Dyslexie et dysorthographie à l’université : enjeux et défis rencontrés par des étudiants et étudiantes au Québec
Bibliographic record
Abstract
Ce mémoire se penche sur les expériences vécues par les étudiants·es ayant une dyslexie et/ou une dysorthographie dans le milieu universitaire québécois. Cette recherche examine les obstacles qu’ils ont rencontrés et les stratégies qu’ils ont développées pour y faire face. Elle propose une analyse critique des normes liées à la littératie qui influencent les conditions de réussite académique. Le cadre conceptuel s’appuie sur les concepts de lexisme (Collinson, 2012), de capacitisme (Campbell, 2001) et de graphocentrisme (Buch, 2018). Des entrevues semi-dirigées ont été effectuées avec 10 étudiant·es universitaires. L’analyse des données révèle des contraintes institutionnelles et sociales qui ne tiennent pas suffisamment compte de la diversité des méthodes d’apprentissage. Les participant·es ont rencontré des difficultés d’accès aux accommodements, ont fait face à la stigmatisation liée à la divulgation du diagnostic et ont été confronté·es à des enjeux financiers et à un manque de reconnaissance du travail fourni. Ce paysage d’obstacles tend à individualiser les responsabilités. Cependant, certain·es participant·es ont su mettre en place diverses méthodes pour surmonter ces difficultés. Parmi ces méthodes, on peut noter l’utilisation d’outils numériques, une planification rigoureuse du temps, un réseau de soutien social et le camouflage de leur diagnostic. Ces tactiques démontrent que l’ajustement est un processus continu. Quatre formes de lexisme sont distinguées : institutionnel, interactionnel, temporel et symbolique, qui contribuent, de manière imbriquée, à la production et à l’intériorisation d’inégalités dans le contexte universitaire.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.013 | 0.005 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".