La transition école-études-travail chez les personnes ayant un trouble spécifique d'apprentissage : enjeux et réalités
Bibliographic record
Abstract
L’obtention du diplôme d’études secondaires constitue une balise importante qui conduit vers une première transition école-études-travail. Définies comme le passage entre deux périodes ou deux situations de vie et à leurs changements relatifs, les transitions soulèvent des enjeux (Lagabrielle et Croity-Belz, 2022; Masdonati et al., 2016). Chez les personnes ayant des besoins particuliers, dont les troubles spécifiques d’apprentissage, ces enjeux de transition peuvent être plus sérieux (Newman et al., 2019) en raison notamment des divers obstacles à surmonter au quotidien (Bizier et al., 2014; Statistique Canada, 2024a). Considérant la dimension subjective qu’impliquent les transitions, une période préparatoire et l’élaboration d’un plan de transition s’avèrent indispensables. Cet article s’inscrit dans le cadre d’une recherche de maitrise dont le but était de brosser un portrait de la situation des personnes ayant un trouble spécifique d’apprentissage sous l’angle de la transition école-études-travail. Quelques statistiques permettent d’abord de cerner des éléments descriptifs de cette population. Il est ensuite question de certains enjeux que comporte cette transition. Sont aussi formulées quelques pratiques gagnantes en matière d’accompagnement à cette transition, puis de certaines pistes de solution dans l’espoir de réduire les écarts entre enjeux et aspirations de carrière chez les personnes ayant un trouble spécifique d’apprentissage.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.007 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.006 |
| 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".