Accessibilité numérique et équité, diversité, inclusion (EDI) : la personne en formation au cœur de l’apprentissage avec le numérique
Bibliographic record
Abstract
Ce numéro met en lumière les enjeux liés à l’accessibilité numérique et à l’équité, diversité et inclusion (EDI) dans les contextes éducatifs. Il souligne la nécessité d’adapter les formations aux profils variés des personnes apprenantes, qu’elles soient en formation initiale, continue ou en milieu organisationnel. L’accent est mis sur l’importance de dispositifs pédagogiques innovants et flexibles, intégrant le numérique afin de favoriser l’engagement, la motivation et la persévérance. La mise en œuvre de pratiques inclusives requiert de nouvelles compétences professionnelles pour les personnels éducatifs et institutionnels, ce qui soulève aussi des questions liées au bien-être au travail et à la gouvernance. Ce numéro thématique rassemble dix articles de recherche, cinq contributions de praticiens et un débat critique. Les recherches couvrent des contextes variés (écoles, universités, structures éducatives, approches nationales et internationales), explorent des méthodologies diversifiées et analysent les tensions entre inclusion des apprenants et accompagnement des personnels. Les articles de praticiens apportent des perspectives expérientielles issues du terrain, mettant en avant des stratégies concrètes et parfois improvisées pour rendre l’éducation plus inclusive. Enfin, la section débat interroge les angles morts de la recherche sur l’EDI et l’accessibilité, invitant à dépasser les évidences. Globalement, ce numéro offre un cadre multidisciplinaire pour réfléchir aux défis éducatifs du 21e siècle.
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 | 0.007 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.011 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".