Conceptions professionnelles de l’équité-diversité-inclusion et mise à l’essai d’un prototype de démarche de formation pour aiguiller les personnes étudiantes en bibliothéconomie jeunesse dans la sélection et l’analyse d’oeuvres littéraires jeunesse
Bibliographic record
Abstract
Cet article propose d’examiner la fonction de la sélection des oeuvres littéraires représentatives de l’équité, de la diversité et de l’inclusion (EDI) par des personnes bibliothécaires en formation. Nous abordons les enjeux liés aux référentiels de compétences, à la formation, aux services et aux fonctions intégrant l’EDI en bibliothèque. À partir de données qualitatives recueillies à l’automne 2023, nous décrivons les conceptions des personnes étudiantes en bibliothéconomie vis-à-vis de l’EDI et les capacités de celles-ci à appliquer des critères EDI dans la sélection et l’analyse d’oeuvres littéraires jeunesse. Les résultats permettent de mieux comprendre les stratégies des bibliothécaires jeunesse dans le développement d’un environnement d’accès équitable, le tout à travers l’expérimentation d’un prototype de démarche de formation à la sélection littéraire critique basée sur l’EDI. Nous proposons enfin des recommandations adaptées dans l’optique de valoriser l’utilisation d’oeuvres littéraires jeunesse représentatives de l’EDI.
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 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.008 | 0.013 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".