La perception du personnel scolaire quant à la formation et à la préparation pour agir de manière inclusive en contexte pluriethnique1
Bibliographic record
Abstract
Cet article fait état d’une enquête interrégionale sur la formation du personnel scolaire à la prise en compte de la diversité ethnoculturelle, religieuse et linguistique et à ses impacts sur les compétences interculturelles et inclusives, selon les perceptions de six catégories de personnels en éducation au Québec : futurs enseignants et enseignantes, personnel enseignant en exercice depuis moins de 5 ans, responsables de formation pratique (stages) et maitres associés, conseillers et conseillères pédagogiques, et directions d’établissements primaires et secondaires (Potvin et al., 2020). Reposant sur les concepts de « sentiment de compétence » et de « compétences » interculturelles et inclusives, les résultats relèvent des situations pour lesquelles les personnes répondantes, surtout les plus expérimentées, se sentent (ou estiment le personnel scolaire) moins bien préparées à agir ou à intervenir en raison de leur formation théorique et pratique. C’est le cas notamment des situations qui font partie de l’actualité criante et des polémiques publiques, de nature davantage sociologique, éthique ou juridique (liées aux droits) plutôt que pédagogique ou didactique : les situations d’accommodements raisonnables, de radicalisation et d’adaptation de leurs interventions pour tenir compte des réalités et besoins des enfants réfugiés ou provenant de zones de guerre.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".