De la formation universitaire en orthophonie vers la pratique en milieu scolaire au Québec : processus et résultats sommaires d’une analyse situationnelle menée au sujet des pratiques en matière d’équité, de diversité et d’inclusion
Bibliographic record
Abstract
L’orthophoniste scolaire est membre de l’équipe-école et ses interventions visent à soutenir la réussite éducative de tous les élèves. Malgré leur appartenance fréquente aux groupes dominants, les orthophonistes scolaires interviennent auprès de populations diversifiées, souvent avec des ressources limitées. L’objectif du présent projet consiste à réfléchir à la formation des orthophonistes en devenir pour les préparer à offrir des services culturellement et socialement sensibles aux populations les plus vulnérables et sous-représentées. Pour ce faire, le département d’orthophonie de l’Université du Québec à Trois-Rivières (UQTR) a mené entre septembre 2023 et mai 2024 une analyse situationnelle afin d’évaluer le plus objectivement possible ses politiques, procédures et règlements. Cette démarche visait à promouvoir et à mettre en oeuvre les meilleures pratiques en matière d’équité, de diversité et d’inclusion (EDI) pour faire du département un milieu de formation plus inclusif pour toutes et tous. Dans l’optique de considérer l’intersectionnalité, plusieurs sources de discrimination ont été abordées lors de l’analyse situationnelle. Le processus et les résultats sommaires sont présentés et discutés dans le contexte de la diversité ethnoculturelle, religieuse et linguistique de la pratique orthophonique en milieu éducatif québécois.
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 | 0.009 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".