Autocensure, délégitimation et dissonance émotionnelle chez des enseignant·e·s de français 2ELGBTQI+ au Canada
Bibliographic record
Abstract
Les enjeux de la diversité sexuelle et de genre sont absents de la recherche sur l’enseignement du français en milieu scolaire. De plus, aucune étude n’a exploré l’expérience des enseignant·e·s de français 2ELGBTQI+ qui s’engagent à intégrer l’équité, la diversité et l’inclusion (ÉDI) dans leur classe. Cet article vise donc à répondre à deux questions, à savoir (1) quels sont les obstacles ou défis rencontrés par les enseignant·e·s de français 2ELGBTQI+ qui adoptent une approche antioppressive dans leur classe ? (2) Quelles sont les conditions propices à l’élaboration d’un curriculum de français équitable et inclusif porté par les enseignant·e·s 2ELGBTQI+ ? Neuf enseignant·e·s 2ELGBTQI+ oeuvrant au sein du programme d’immersion, du programme français de base et du programme francophone au primaire, à l’intermédiaire et au secondaire au Canada ont participé à une entrevue semi-dirigée de vingt minutes. Les résultats de l’analyse thématique ont montré que les enseignant·e·s de français 2ELGBTQI+ sont confronté·e·s à de multiples obstacles, notamment la résistance à l’enseignement des enjeux 2ELGBTQI+, la charge émotionnelle de gérer des postures conflictuelles (personnelle, « professionnelle » et antioppressive) et le manque de ressources et de formation en français liées au contenu de l’ÉDI. Des suggestions en vue d’appuyer les enseignant·e·s de français 2ELGBTQI+ sont enfin proposées.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.020 | 0.008 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".