Notice bibliographique
Résumé
Cet article théorique argumente l’idée novatrice d’utiliser la méditation pour une éducation et une formation éthiques relevant les défis de l’équité. Malgré des valeurs officielles incluant l’égalité, l’école en France est plus discriminante socialement que celles de tous les autres pays de l’OCDE. Une contradiction similaire entre valeurs explicites d’une part, et valeurs implicites et effectives d’autre part, se retrouve dans le fonctionnement cognitif des individus. Notamment, des attitudes implicites expriment inconsciemment des stéréotypes culturels à travers des comportements discriminatoires, par des biais attentionnels. Ainsi, nous émettons l’hypothèse qu’une source des discriminations opérant à l’école consiste en l’identification inconsciente des enseignants et des enseignantes aux élèves considérés comme « bons » et en l’étiquetage inconscient des élèves en difficulté scolaire comme étrangers. Nous proposons ici que le support cognitif de l’équité, pendant moral de l’égalité, corresponde à l’équanimité, fonctionnement sans biais implicite de préférence ni d’aversion. Une éducation éthique visant l’équité devrait dès lors permettre aux sujets de devenir conscients de leurs biais de fonctionnement et de développer l’équanimité. Un outil de choix pour s’y entraîner correspond à la famille d’entraînements attentionnels qu’est la méditation, ce que nous argumentons dans une brève description de différents types de méditation et dans une rapide revue de littérature de leurs effets. En perspective, nous envisageons dans les grandes lignes les bases qui nous paraissent essentielles au curriculum d’une éducation éthique visant l’équité.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,021 |
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; les deux têtes enseignantes 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 ».