Profession enseignante et dynamiques privilèges-marginalisation au sein de l’école canadienne
Bibliographic record
Abstract
Catégorisation institutionnelle des élèves• Les enseignant.e.s n'exercent pas toujours leur jugement professionnel en rangeant les élèves dans des catégories HDAA (handicap ou difficulté d'adaptation ou d'apprentissage) préétablies institutionnellement.• Les élèves issu.e.s de l'immigration sont particulièrement vulnérables à des classifications erronées basées sur des critères institutionnels standards qui ne tiennent pas compte de leur contexte culturel.En effet, pour ces élèves, les actions considérées comme « normales » dans leur culture d'origine et leur environnement d'apprentissage antérieur risquent souvent d'être interprétées à tort comme inappropriées par des enseignant.e.s qui ne sont pas issu.e.s de ces groupes.• D'après les observations de cette synthèse, une formation approfondie sur les différences interculturelles et des pratiques d'évaluation différenciées sont nécessaires.• Il convient aussi de renforcer la collaboration entre les membres du personnel scolaire, notamment entre enseignant.e.s et spécialistes de l'éducation inclusive, de la diversité culturelle et de l'immigration, pour analyser de manière plus approfondie la situation des élèves avant toute classification en HDAA.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.026 | 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".