Traitement de l'islam et du monde musulman à l'école : perceptions des jeunes musulmans(es) du cégep au Québec
Bibliographic record
Abstract
Notre étude, qui constitue un complément à la recherche « Relations ethniques et construction du curriculum : le traitement du monde musulman dans le matériel didactique québécois et ontarien » (CRSH, 2005-2008), menée par les professeures Marie Mc Andrew (Université de Montréal), Denise Helly (Institut national de la recherche scientifique) et Mehrunnisa Ahmad Ali (Ryerson University), consiste à analyser les perceptions du traitement curriculaire de l’islam, du monde musulman et des minorités musulmanes par des cégépiens québécois de confession musulmane. Les résultats de l’analyse thématique de vingt entretiens semi-directifs permettent de mieux comprendre la manière dont les sujets perçoivent les curricula formel et réel liés à ces questions. Par ailleurs, à travers l’étude du rapport aux savoirs des enseignants et des enseignés sur la religion musulmane, nous tenterons de déterminer la manière dont les jeunes musulmans gèrent les conflits engendrés par le traitement stéréotypé de l’islam et des musulmans à l’école québécoise. Enfin, nous verrons comment le rapport conflictuel aux savoirs institutionnels des participants influe sur leur construction identitaire et sur leur sentiment d’appartenance au Québec et au Canada.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".