Inclusion et Langue Française : Stratégies Linguistiques des Membres du Personnel Responsables des Groupes LGBTQ+
Bibliographic record
Abstract
Cette étude explore les stratégies linguistiques utilisées par le personnel enseignant responsable des groupes LGBTQ+ dans des écoles de langue française en Ontario en demandant : « Quelles stratégies linguistiques le personnel enseignant responsable des groupes LGBTQ+ utilise-t-il en fonction de son rôle d’appui à la communauté LGBTQ+ dans l’école ? » et « Quelles sont les possibilités et les contraintes à l’utilisation de stratégies linguistiques inclusives de la communauté LGBTQ+ dans le contexte discursif des écoles de langue française de l’Ontario? ». Les données sont recueillies à l’aide d’une analyse de documents et de six entretiens semi-structurés avec des membres du personnel enseignant responsable de groupes LGBTQ+ dans des écoles de langue française en Ontario. L’étude révèle deux catégories de stratégies linguistiques, soit discursives et grammaticales, qui sont analysées selon cadres de la littératie queer de miller (2015) et des moments sécuritaires, positifs et queering de Goldstein et al. (2007).
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.014 | 0.008 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".