L’E-inclusion des personnes présentant des incapacités cognitivesou psychiques dans les établissements médico-sociaux
Bibliographic record
Abstract
L’emploi de la notion d’« inclusion » constitue un changement de paradigme dans la société française depuis le début des années 2000 : elle suppose une adaptation de la société à tous les citoyens. Mais comment faire de la société inclusive une réalité pour les personnes ayant des incapacités? Nous avons choisi de nous questionner sur le potentiel inclusif des usages des technologies numériques par les personnes ayant une incapacité en contexte d’établissements médicosociaux en France. Notre approche épistémologique est anthropologique : en observant ce potentiel inclusif, nous analysons des phénomènes de société de portée plus générale, notamment la question des inégalités sociales. En immersion dans ces établissements, nous observons un processus complexe de construction d’inégalités sociales. Une situation d’isolement favorise l’émergence de représentations sociales négatives de la personne ayant des incapacités. Ces représentations sociales articulées avec une situation de dépendance entraînent un déficit d’estime de soi des acteurs concernés. Ces inégalités sociales sont des freins au processus d’appropriation des technologies numériques. Alors comment réduire les obstacles sociaux à l’e-inclusion ? Nous verrons dans quelle mesure nos méthodes d’accompagnement aux usages de la tablette tactile favorisent la prise de conscience des apprenants de leurs capacités, renforcent leur estime de soi et contribuent à transformer les représentations négatives qu’ils ont d’eux-mêmes. Nous verrons, enfin, en quoi le développement de leurs pratiques numériques favorise leur participation sociale et transforme l’organisation des établissements chargés de les accompagner.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.015 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".