Entendre les voix des jeunes de groupes marginalisés afin de prendre en compte la diversité en contexte éducatif : une métasynthèse de type descriptif
Bibliographic record
Abstract
La prise en compte de la diversité revêt une importance capitale dans notre société et tout particulièrement dans les milieux éducatifs. Bien que cette orientation soit prégnante dans les discours politiques ou dans ceux des acteurs et actrices du milieu de l’éducation, force est de constater que les expériences scolaires des jeunes de groupes marginalisés semblent témoigner que cette prise en compte ne leur permet pas de ressentir un bienêtre à l’école. Pour contribuer à la compréhension de cet écart, le présent article fait état des résultats issus d’une métasynthèse descriptive ayant analysé un corpus de 18 recherches qualitatives portant sur la prise en compte de la diversité en contexte éducatif en s’attardant aux voix de ces jeunes. Des constats et des recommandations ont été relevés des écrits scientifiques, puis ont été mis en relation avec les propos des jeunes s’étant exprimés sur la prise en compte de la diversité à l’école dans le cadre du 6e séminaire annuel du Réseau de recherche et de valorisation de la recherche sur le bien-être et la réussite en contexte de diversité (RÉVERBÈRE).
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 | 0.013 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.006 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.006 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".