Perspectives de recherche en sociométrie axées sur le développement de l’éducation inclusive et de pratiques accessibles visant les élèves les plus vulnérables sur le plan de l’intégration sociale à l’école
Bibliographic record
Abstract
Cet article contribue à la réflexion entourant les perspectives de recherche soutenant le développement de l’éducation inclusive et de pratiques accessibles en s’attardant à la sociométrie (Moreno, 1934). Il souhaite démontrer comment la sociométrie favorise : 1) ledéveloppement de l’éducation inclusivepour soutenir l’équipe-école dans ses interventions auprès des élèves plus vulnérables pour leur intégration sociale (désignés par leurs pairs) grâce aux caractéristiques du groupe (p. ex. cohésion) et de ses membres (p. ex. statuts sociométriques), et 2) ledéveloppement de pratiques équitables et accessiblespour démocratiser la sociométrie par l’utilisation responsable et éthique de technologies en adaptant les fonctionnalités de son outil (le sociogramme) pour répondre aux besoins des milieux. L’inclusion des enfants vulnérables et des élèves à risque – sans oublier les autres élèves dits EDAA (élèves en difficulté d’adaptation ou d’apprentissage), les immigrants récents et ceux issus de la diversité – fait partie de la mission de l’école, mais demeure un défi par le manque de formation et de ressources disponibles. Comment la recherche sur la sociométrie peut-elle contribuer à soutenir les milieux de pratique dans ce contexte post-pandémique où plusieurs enfants semblent avoir des difficultés, voire des lacunes sur le plan de leur développement social et affectif? Cet article vise à livrer le fruit d’une réflexion documentée, appuyée et bienveillante.
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 | 0.046 | 0.039 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.019 |
| Scholarly communication | 0.011 | 0.016 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.013 | 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".