Tidying the territory: questioning terms and purposes in work‐learning research
Notice bibliographique
Résumé
Purpose The purpose of this paper is to argue that foundational terms in work‐learning research, specifically “learning”, “work”, and “workplace”, are inherently complex and contested as the same as their scope has expanded in different fields to elide various conceptual categories and theoretical positions. Yet researchers often use these terms without explanation, or as generic abstractions. The article suggests rigorous questioning and more precise delineation to reveal conceptual tangles in work‐learning research and build links across disciplinary languages and research traditions. Design/methodology/approach The argument is theory‐driven, and draws upon a meta‐review of work‐learning studies published in ten journals in the period 1999‐2004. Findings Often without clarification, the term “learning” in work is used to refer to learning as “product” (knowledge acquisition, transfer, control), as “process” (as cultural change, individual development, network dynamics, practice, collective sense‐making, identity negotiations, or problem‐solving), and as all conscious human experience. Work is used to refer to almost any activity, paid and unpaid. Issues of power relations in work become side‐stepped with these conflations, and the conceptual categories dissolve when they cannot distinguish what is not learning. These issues blur the contribution of work‐learning research (e.g. what is gained through learning studies focused on one context defined by labor relations). Practical implications More precise definitions of terms, conceptualizations and purposes in work‐learning research may help reveal conflicting positions, absences, similarities and links, towards more dialogue and rigorous theory‐building across fields. Originality/value The article intends to help researchers pause and reflect on the fundamental concepts and processes they seek to explore.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,220 | 0,269 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,020 | 0,026 |
| Études des sciences et des technologies | 0,015 | 0,219 |
| Communication savante | 0,049 | 0,103 |
| Science ouverte | 0,008 | 0,028 |
| Intégrité de la recherche | 0,014 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».