Bibliographic record
Abstract
Chères lectrices et lecteurs de la Revue canadienne de l'éducation (RCÉ), Que l'année 2025 vous soit inspirante!Souhaitons-nous une année sous le signe de la paix et de la sécurité, dans nos sociétés mais surtout dans les microsociétés que sont nos milieux éducatifs.D'ailleurs, le premier article de ce numéro nous invite à la réflexion et nous rappelle le travail à faire pour combattre les inégalités dans le milieu scolaire.En effet, la recension non exhaustive mais diversifiée proposée par Maryse Potvin porte sur la discrimination à l'endroit des jeunes noir[e]s dans les milieux scolaires et ses effets.Ainsi, à travers une revue narrative menée par une méthode boule de neige de consultation de documents à la fois officiels, scientifiques et communautaires québécois, canadiens et états-uniens, l'auteure illustre notamment les différentes formes que peut prendre le racisme « invisibilisé », c'est-à-dire moins évident, ses impacts dans les milieux scolaires, surtout sur les mesures disciplinaires engagées, ainsi que les effets de ces mesures sur les plans psychologique, identitaire et scolaire chez les élèves noir[e]s.Le deuxième article de ce numéro, coécrit par Geneviève Audet et Justine Gosselin-Gagné, poursuit sur une note positive cette réflexion, dans la salle de classe, en s'appuyant notamment sur les travaux de Maryse Potvin et collaborateurs sur la compétence interculturelle et inclusive, mais en s'intéressant particulièrement aux élèves issus de l'immigration.À travers des récits de pratique dite « exemplaire », elles ont documenté la prise en compte de la diversité ethnoculturelle dans les écoles du Québec par 18 personnes enseignantes.La posture que les participant[e]s adoptent mène au partage d'un savoir-agir professionnel articulé sous forme de « messages à livrer » et que les auteures ont structuré autour de trois thématiques : le rôle à assumer, les attitudes Éditorial ii
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 | 0.003 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.381 | 0.206 |
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".