Redimensionner ensemble les paramètres de la collaboration famille-école-communauté dans une recherche action participative : faire et apprendre ensemble
Bibliographic record
Abstract
Les études des quarante dernières années ont souligné à maintes reprises la contribution cruciale du partenariat famille-école-communauté à la réussite scolaire et éducative des enfants notamment ceux ayant des besoins éducatifs particuliers et la mise en place d’environnements éducatifs plus inclusifs. Pour favoriser ce partenariat, nous avons choisi l’avenue d’une Recherche-action participative (RAP) ancrée dans le paradigme des recherches transformatives (Anderson et McLachlan, 2016) et de la justice sociale afin de favoriser une mobilisation réelle des connaissances par les familles et les professionnels (O’Donnell, 2008). À la demande des familles, cette recherche a eu lieu dans trois écoles de Montréal (Canada), qui accueillent 184 élèves entre 12 et 21 ans présentant des déficiences développementales. Elle visait à comprendre comment transformer les pratiques actuelles pour la mise en place d’activités soutenant le partenariat famille-école communauté. Dans cet article, nous présenterons et discuterons les enjeux méthodologiques et éthiques lorsqu’il s’agit de faire ensemble pour transformer ainsi que leurs limites.
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 | 0.023 | 0.061 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".