L'équité en acte : retour sur l'expérience d'étudiant.e.s d'origine immigrante inscrit.e.s dans un dispositif novateur de formation initiale en enseignement en Alberta
Bibliographic record
Abstract
Cet article aborde l'expérience d'étudiant.e.s d'origine immigrante (ÉOI) inscrit.e.s à un nouveau cours pilote à soutenir leur insertion socioprofessionnelle en enseignement en Alberta. Ce cours a été développé et enseigné en collaboration avec deux enseignantes d'expérience d'origine immigrante exerçant dans différents contextes scolaires en Alberta. Il articule conjointement la pratique réflexive et la décentration interculturelle au moyen d’observations participante dans les écoles ainsi que les exigences d'équité, de diversité et d'inclusivité. Les données qualitatives recueillies au moyen d’un sondage volontaire auprès des étudiant.es et d’échantillon de leur travail final témoignent d’une expérience positive dans ce cours. Les ÉOI ayant particulièrement apprécié d’être confrontés au réel dans les écoles et de bénéficier de l’expertise complémentaire et ancrée de l’équipe enseignante. Enfin, la pratique réflexive et de décentration interculturelle a été un exercice novateur pour les ÉOI facilitant le passage d’un monde à l’autre, quoique plusieurs contraintes en limite son exercice.
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 | 0.008 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.034 | 0.027 |
| Scholarly communication | 0.011 | 0.005 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.005 | 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".