Les enseignants personnes-ressources au Québec et en France : quels rôles dans une école inclusive ?
Bibliographic record
Abstract
Au Québec et en France, les orientations politiques et les références législatives qui encadrent l’école inclusive sont fondées sur des valeurs de justice sociale et d’équité, visant l’accès à l’éducation et à la réussite pour toutes et tous. Cette école inclusive suppose une organisation scolaire renouvelée. La mobilisation d’Enseignants dans un rôle de personne-ressource (EPR) tant au Québec qu’en France constitue une mesure ministérielle pour soutenir sa mise en œuvre. Cet article présente une recherche comparative dont l’enjeu consiste à identifier les rôles, selon les positions assumées et les postures adoptés par les EPR. Plus spécifiquement, il cherche à savoir si ces rôles, se construisent différemment dans ces deux contextes. Les personnes participantes, soit 172 au Québec, et 192 en France, ont répondu à un questionnaire en ligne. Si la comparaison s’est avérée complexe entre les deux milieux, elle laisse toutefois transparaître une distinction entre une visée pragmatique au Québec, centrée sur un soutien de proximité offert par les EPR aux élèves et aux enseignants versus un positionnement plus distal des EPR, en France, engendré par des prescriptions plus larges et sous-tendues par une idéologie inclusive parfois délicate à comprendre.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.019 | 0.009 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".