Apprendre à vivre ensemble dans un environnement partagé — Vers la construction d’identités biorégionales
Notice bibliographique
Résumé
Provoquant de très nombreuses pertes humaines immédiates, les guerres qui sévissent dans le monde non seulement dégradent ou détruisent l’environnement, mais elles ont également des conséquences très néfastes sur les conditions de vie des populations, dont elles altèrent la santé et l’existence à long terme. Or des programmes de consolidation environnementale de la paix, qui font appel à une dimension éducative transversale, peuvent contribuer à l’apprentissage du vivre-ensemble en développant des identités biorégionales. Celles-ci sont caractérisées par l’engagement à l’égard d’un environnement partagé. Cependant, les liens entre guerre, dégradation écologique, paix et éducation sont souvent négligés en recherche. De plus, la littérature relative aux théories et pratiques de consolidation environnementale de la paix n’intègre pas suffisamment l’éducation, même de manière implicite. Pourtant, l’inclusion dans ce champ d’une dimension éducative explicite, planifiée et systématisée est nécessaire. Dans cette perspective, cet article propose des fondements et des pratiques pour une éducation qui contribue à la construction d’identités biorégionales et d’une dynamique de paix. Ces fondements et ces pratiques, que je me suis efforcée de rendre transférables à des contextes similaires, présentent l’aboutissement des diverses étapes de ma recherche.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,013 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».