Promouvoir le bienêtre et l’inclusion dans une approche équitable visant la justice sociale
Bibliographic record
Abstract
Cet article explore les enjeux d’équité et d’inclusion pouvant miner le bienêtre dans les milieux scolaires québécois, en identifiant les injustices profondément enracinées dans des dynamiques de pouvoir asymétriques et des présupposés à déconstruire et reconstruire. S’appuyant sur une thèse (B-Lamoureux, 2024) recensant des recherches récentes, il met en lumière le décalage entre les savoirs issus des recherches et leur mise en application concrète dans les établissements scolaires, en soulignant l’impératif de former et d’accompagner les directions d’établissement scolaire ainsi que leurs équipes dans le développement d’un leadeurship bienveillant, inclusif et transformatif. L’article propose également des stratégies pour renforcer la collaboration entre toutes les parties prenantes du milieu scolaire pour créer un environnement où chaque individu se sent valorisé et inclus. Des pistes sont avancées pour soutenir un processus de transformation organisationnelle, visant à promouvoir le bienêtre individuel et collectif au sein des milieux scolaires.
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 | 0.017 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.025 | 0.028 |
| Scholarly communication | 0.014 | 0.009 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.012 | 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".