Enjeux liés au rôle et aux fonctions de l’orthopédagogue en milieu scolaire en contexte d’éducation inclusive
Bibliographic record
Abstract
L’éducation inclusive prône la prise en compte de la diversité des besoins de tous les élèves pour permettre à chacun de développer son plein potentiel (Conseil supérieur de l’éducation [CSE], 2017). Or, les champs d’action de plusieurs acteurs et actrices qui contribuent à sa mise en oeuvre sont plus ou moins étanches, dont ceux de l’orthopédagogue (CSE, 2017). Cette situation se traduit par des pratiques variables d’un milieu à l'autre, ce qui occasionne des iniquités et des difficultés d’accès aux services (Office des professions du Québec [OPQ], 2014; Prud’homme, 2018). Cet article expose les résultats d’études québécoises récentes ayant porté sur les rôles et les fonctions des orthopédagogues. Grâce à une méthodologie inspirée de la démarche de recension intégrative (Whittemore et Knafl, 2005), la mise en commun de ces études vise à faire ressortir les principaux enjeux liés à l’exercice de l’orthopédagogie en contexte d’éducation inclusive. Les résultats mettent en lumière différentes tensions de rôles qui ont une incidence sur le déploiement des compétences professionnelles des orthopédagogues en milieu scolaire. Des perspectives de recherche à prioriser pour soutenir ce processus sont proposées pour la prochaine décennie.
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 | 0.006 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.013 | 0.012 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".