École inclusive et représentations sociales des acteurs éducatifs : analyse comparative France-Québec
Bibliographic record
Abstract
Au XXIème siècle, l’école inclusive est un enjeu de société majeur qui s’étend au-delà de la sphère éducative. Ces trente dernières années, les différents rapports portés par la Déclaration de Salamanque (UNESCO, 1994) ont placé l’inclusion au cœur des programmes internationaux visant à réduire les inégalités. Cette notion, en mouvement perpétuel, évolue au fil des années. Toutefois, elle varie selon les pays, leurs contextes et leurs politiques. Au sein des différentes sphères éducatives, de nombreuses questions émergent : que signifie réellement le fait d’inclure aujourd’hui ? Comment cette « dynamique inclusive » se manifeste-t-elle ces dernières années ? Comment inclure réellement en tenant compte de la diversité des élèves ? Existe-t-il des obstacles à la réussite de ces politiques d’inclusion ? Si oui, lesquels ? En première ligne, au centre de ce processus : les personnels d’éducation. Ces derniers doivent mettre en œuvre ces politiques au sein de leur contexte d’exercice, souvent à l’échelle locale : l’établissement scolaire. Ils sont amenés à développer des compétences nouvelles propres à l’accueil et à la scolarisation d’une plus grande diversité d’élèves. Basé sur une analyse comparative France-Québec, l’objet de ce travail de recherche est de recueillir les représentations des acteurs éducatifs sur l’écosystème de l’inclusion scolaire mais aussi de percevoir les facteurs influant sur ces représentations, et de voir si celles-ci peuvent impacter favorablement ou défavorablement la mise en place effective de l’école inclusive au sein des établissements scolaires du secondaire. Ce travail permettra de réaliser un état des lieux actuel sur les systèmes inclusifs français et québécois et de réfléchir aux leviers pour une école plus inclusive.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.005 | 0.008 |
| Science and technology studies | 0.012 | 0.008 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".