Équité, diversité et inclusion en milieu universitaire : une analyse des politiques universelles favorisant le bienêtre
Bibliographic record
Abstract
Les politiques institutionnelles en équité, en diversité et en inclusion constituent des leviers essentiels pour favoriser l’inclusion en enseignement supérieur. Elles ne sont toutefois pas les seuls outils disponibles : d’autres types de politiques contribuent à faire des environnements universitaires des milieux bienveillants, inclusifs et sécuritaires. En effet, les politiques visant à prévenir les violences à caractère sexuel, les situations d’incivilité, de discrimination et de harcèlement, de même que les problèmes de santé physique et psychologique, sont susceptibles de contribuer au mieux-être des communautés. Cet article présente les résultats d’une étude qualitative menée au sein du Réseau de l’Université du Québec et ayant pour objectif d’analyser ces politiques.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".