La population étudiante en situation de handicap émergent aux cycles supérieurs au Québec sous l'angle de l'approche par les capabilités : une recherche mixte
Bibliographic record
Abstract
Malgré les politiques d'équité, de diversité et d'inclusion ainsi que les mesures d'aide et d'accommodement implantées dans les universités québécoises, la population étudiante en situation de handicap émergent (aux prises avec des troubles de l'attention, d'apprentissage, de santé mentale et du développement) rencontre des obstacles dans leur parcours de formation universitaire. Cette thèse mobilise l'approche par les capabilités, une théorie de la justice sociale qui permet de mieux comprendre les conditions qui perpétuent les inégalités sociales et les obstacles à l'inclusion et à l'équité. Elle s'intéresse aux possibilités réelles, c'est-à-dire à la capacité des étudiantes et étudiants en situation de handicap émergent (ESHE) de mobiliser les mesures d'aide (ressources) pour mener des parcours à la maîtrise et au doctorat qu'ils valorisent. Elle s'appuie sur une méthodologie mixte associant une analyse secondaire de données d'une enquête triennale, soit l'Enquête canadienne auprès des étudiantes et des étudiants à la maîtrise et au doctorat et des entretiens individuels auprès d'ESHE à la maîtrise et au doctorat. Elle se compose de trois articles. Le premier article basé sur une étude quantitative fait état des inégalités d'accès à certaines ressources universitaires (ex. : mesures financières, services d'accueil et d'orientation, mesures de soutien à la réussite et à l'insertion professionnelle, etc.) pour les ESHE, en comparaison avec les autres groupes d'étudiants (sans handicap ou en situation de handicap physique). En outre, l'article dépeint certains facteurs qui facilitent ou limitent l'accès à ces ressources, ce qui est désigné dans l'approche par les capabilités comme étant des facteurs de conversion. Le deuxième article basé sur une étude qualitative vient compléter le repérage des facteurs de conversion (obstacles et leviers) que l'article 1 a permis de mettre au jour. Cet article basé sur des entretiens individuels permet également de comprendre pourquoi les ESHE ont peu recours aux ressources ou rencontrent des difficultés dans leurs parcours universitaires malgré les mesures mises en place pour les soutenir. Il montre que certaines conditions associées aux mesures d'aide s'avèrent parfois contraignantes (ex. : des délais dans la procédure d'évaluation du handicap, la non-reconnaissance d'un diagnostic antérieur de handicap). Par conséquent, les ESHE peuvent se voir priver ou refuser l'accès aux mesures d'aide et d'accommodement, ce qui limite leurs rendements académiques. Enfin, le troisième article basé également sur des entretiens permet de comprendre plus finement les expériences universitaires et les cheminements des ESHE. Cet article tient compte d'un ensemble de facteurs (en plus des obstacles et leviers institutionnels documentés dans les deux premiers articles) pour expliquer comment les ESHE construisent leurs choix de parcours et ce qui influence leurs possibilités à la maîtrise et au doctorat. Cet article met en lumière des différences dans les possibilités de choix de parcours des ESHE, influencés par plusieurs facteurs sociaux, personnels et institutionnels.
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 | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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 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".