Obstacles liés au handicap en milieu universitaire : une analyse des politiques d’accommodement destinées aux personnes handicapées pour le corps professoral des universités canadiennes
Bibliographic record
Abstract
Cet article examine les politiques d’accommodement destinées aux personnes handicapées au sein du corps professoral de 42 universités canadiennes. Bien que les universités au Canada soient légalement tenues d’accommoder le personnel handicapé, moins de la moitié d’entre elles mettent à la disposition du personnel une politique d’accommodement écrite. L’examen des politiques d’accommodement pour les personnes handicapées a révélé un manque de cohérence tant dans leur mise en œuvre que dans leur vocabulaire et leur contenu. L’analyse a montré que les politiques d’accommodement pour les personnes handicapées contiennent des dispositions et un vocabulaire médicaux évidents qui en viennent à isoler le personnel enseignant handicapé en renforçant une notion de compétence fondée sur la personne sans handicap et en perpétuant la confusion entre handicap, santé et médecine. Cet article encourage les universités à reconnaitre leur rôle dans la création de milieux de travail accessibles et inclusifs et se termine par des recommandations visant à combler certaines lacunes et incohérences dans les politiques d’accommodement pour les personnes handicapées.
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 | 0.010 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.018 | 0.010 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.002 | 0.003 |
| 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".