État des lieux sur l’inclusion en enseignement : quels constats sur la (non)représentativité de la diversité dans le corps enseignant et à la formation enseignante ?
Bibliographic record
Abstract
La diversité est désormais appréhendée comme une pluralité de dimensions — linguistiques, culturelles, sociales ou liées au handicap — plutôt que seulement sous l’angle des besoins particuliers. Or, dans un contexte social et scolaire qui se diversifie de plus en plus vite, notamment sur le plan ethnoculturel et social, la diversité chez le corps enseignant n’est toujours pas représentative de celle en salle de classe. Un corps enseignant représentatif de cette diversité serait bénéfique à plusieurs niveaux, notamment pour le sentiment d’appartenance des élèves, et permettrait d’appuyer le mandat d’inclusion pour toutes les personnes de la société. Cet état des lieux de la littérature scientifique a pour objectif d’identifier les facilitateurs et les obstacles ayant eu des retombées sur le parcours de personnes ayant fait des études en éducation ou oeuvrant dans les systèmes scolaires. Selon une perspective écosystémique, les obstacles (p.ex. les politiques et obstacles macrosystémiques) semblent principalement liés au macrosystème, alors que les facilitateurs (p.ex. les facteurs personnels et l’entourage comme source d’appui) semblent liés au micro et mésosystème. Plus d’études sur le sujet sont nécessaires, particulièrement en contexte francophone canadien.
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 | 0.012 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.012 | 0.039 |
| Scholarly communication | 0.019 | 0.023 |
| Open science | 0.002 | 0.014 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".