Diversité et inclusion au prisme de l’idéologie post-raciale : quels obstacles à la prise en compte des expériences et des vulnérabilités des élèves noir·e·s ?
Bibliographic record
Abstract
Au Québec, les initiatives en matière d’équité, de diversité et d’inclusion (EDI) en éducation sont mises en place dans les institutions d’enseignement pour lutter contre les discriminations et les barrières systémiques. Cependant, le climat dit post-racial en vigueur, qui laisse entendre que la discrimination fondée sur la race n’est plus un facteur pertinent pour expliquer les disparités socio-scolaires, complique ces efforts. Cet article présente les résultats d’une étude qualitative intersectionnelle relative au classement en éducation spécialisée d’élèves noir·e·s. Prenant appui sur les cadres théoriques critiques de la blackness et du handicap et utilisant la méthode du contre-récit, des entretiens ont été menés avec 21 membres du personnel scolaire et 20 élèves noir·e·s.. Les résultats révèlent un écart entre la perception du personnel scolaire et les expériences des élèves, mettant en lumière les défis liés à la prise en compte des « besoins particuliers » et des vulnérabilités des élèves noir·e·s. au sein de cette ère dite post-raciale.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.016 | 0.024 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".