Quand les microagressions raciales défient l’inclusion : actions sous tension de directions d’écoles engagées pour la justice sociale
Bibliographic record
Abstract
Cet article explore les défis rencontrés par des directions d'école engagées pour l'équité et la justice sociale face aux microagressions raciales au Québec.Basé sur une recherche qualitative menée auprès de 12 directions d'écoles publiques francophones situées dans la région métropolitaine de Montréal, il met en lumière des situations où les microagressions raciales affectent le personnel scolaire.S'appuyant sur le cadre théorique de Sue, et al. (2007), l'article illustre comment les micro-assauts, les micro-insultes, les micro-invalidations et les microagressions environnementales reflètent des dynamiques racistes systémiques, exacerbées par des cadres législatifs comme la Loi sur la laïcité de l'État.L'analyse montre que ces microagressions, souvent banalisées, affectent le bien-être des individu-es ciblé-es et créent un environnement leur étant hostile.Les directions en étant témoins ou informées doivent naviguer entre des contraintes légales et institutionnelles pour tenter d'instaurer un climat inclusif.Cette contribution vise à outiller les directions d'école pour mieux reconnaître les microagressions raciales, mais aussi à rendre visibles les tensions vécues par celles-ci pour agir.L'article a ainsi une portée pédagogique et transformative mettant en évidence les limites d'action des directions dans le contexte sociopolitique actuel et l'importance d'une reconnaissance collective du racisme systémique pour transformer durablement les milieux scolaires.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.021 | 0.014 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 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".