MétaCan
Menu
Retour à la cohorte
Enregistrement W2939403394 · doi:10.4000/edso.5693

Rapport aux savoirs d’élèves du secondaire en lien avec l’environnement et le développement durable en France et au Québec : rapports épistémique et contextualisé au monde

2019· article· fr· W2939403394 sur OpenAlexaboutno aff
Faouzia Kalali, Geneviève Therriault, Barbara Bader

Notice bibliographique

RevueÉducation et socialisation · 2019
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Le rapport aux savoirs est à la fois rapport d’un sujet au monde, à soi-même et aux autres (Charlot, 1997). Il s’agit d’une notion particulièrement féconde en éducation au développement durable (EDD) puisqu’elle permet d’étudier la relation de sens et de valeur conférée aux savoirs et de cerner comment des jeunes s’engagent à l’école et dans la société lorsqu’il est question d’environnement et de développement durable (DD). Dans le cadre d’une étude qui veut analyser les rapports aux savoirs, aux territoires de jeunes du secondaire, des bilans de savoirs ont été réalisés par 597 élèves dans deux écoles québécoises et trois écoles françaises. L’analyse lexicale de même qu’une analyse de contenu ont permis de cerner les apprentissages significatifs identifiés par ces jeunes concernant l’environnement et le DD ainsi que les personnes et les lieux qu’ils y associent. Des expériences d’apprentissage contrastées entre la France et le Québec ressortent, elles-mêmes reliées aux choix curriculaires propres à ces deux systèmes éducatifs. Si les apprentissages des jeunes québécois semblent plus diversifiés, avec un usage plus marqué d’Internet, ceux des élèves français le sont un peu moins. Dans les deux pays, le rapport épistémique apparaît comme central. Ces résultats conduisent à des propositions pour une EDD critique et réflexive enrichissant le traitement de ces problématiques en milieu scolaire.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0140,006
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,281
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueÉducation et socialisationMême sujetEnvironmental Education and SustainabilityTravaux en français237 207