L’orientation des élèves en situation de handicap : un risque d’inégalités dues aux aménagements d’examen ?
Bibliographic record
Abstract
Malgré le développement d’une école souhaitée toujours plus inclusive, les élèves en situation de handicap (ESH) ne poursuivent pas toujours au lycée après le collège. Cet article examine le regard des enseignant·es vis-à-vis de ces élèves, particulièrement lorsqu’ils ou elles bénéficient d’aménagements dans leur scolarité. Plus précisément, en raison de stéréotypes négatifs et d’une réussite pouvant être perçue comme le fruit des aménagements plutôt que du travail de l’élève, nous faisions l’hypothèse qu’un·e ESH, réussissant son parcours et bénéficiant d’aménagements, pourrait voir son orientation moins soutenue et ses compétences moins reconnues qu’un·e élève tout-venant (ETV). Notre étude se base sur la comparaison d’un jugement de compétences et d’un conseil en orientation émis par 164 enseignant·es en formation et expérimenté·es à partir de l’examen de deux bulletins fictifs d’élèves de 3e : celui d’un ETV et l’autre d’un·e élève dyspraxique bénéficiant d’un aménagement (ordinateur vs réduction du nombre d’exercices). Contrairement à nos attentes, les résultats n’indiquent pas de différences dans les décisions d’orientation. Toutefois, si l’ESH est jugé·e plus compétent·e que l’ETV, cet avantage semble dépendre du type d’aménagement octroyé. Une discussion autour de ces observations et de ce que visent les aménagements est proposée.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".