MétaCan
Menu
Retour à la cohorte
Enregistrement W4205881480 · doi:10.51186/journals/ed.2021.11-1.e467

Réaliser une recherche socialement juste en éducation : apports et limites d’une approche épistémo-méthodologique féministe

2021· article· fr· W4205881480 sur OpenAlexaffabout
Julie Larochelle-Audet, Marie‐Odile Magnan

Notice bibliographique

RevueL’éducation en débats analyse comparée · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesSociologyEthnographyPolitical sciencePhilosophyAnthropology

Résumé

récupéré en direct d'OpenAlex

Cet article présente l’approche épistémo-méthodologique féministe constituée pour élaborer et mener une recherche qualitative sur l’organisation et la reproduction des rapports de domination dans les distributions dissymétriques du travail enseignant au Québec (Larochelle-Audet, 2019). Il expose les principaux postulats épistémologiques, outils méthodologiques et courants théoriques mobilisés afin de répondre aux exigences d’une recherche socialement juste (Strega & Brown, 2015a). La recherche a été réalisée à l’aide de l’ethnographie institutionnelle (Smith, 2018), depuis le point de vue d’enseignantes de groupes racisés en début de carrière (14). Leurs récits, recueillis lors d’entretiens semi-dirigés, ont guidé l’exploration de processus et pratiques régulant leur sélection et leur évaluation en emploi, à partir d’entretiens menés avec des directions d’école et d’autres employées clés du réseau scolaire public et d’une analyse documentaire du cadre législatif. Comme cette méthode d’enquête sociologique tend à surexposer les activités des groupes dominants et leurs institutions, la pensée féministe noire a été mobilisée pour légitimer les expériences des enseignantes de groupes racisés en tant que savoirs. Les extraits de leurs récits présentés montrent comment se co-forment les systèmes d’oppression dans l’organisation du travail enseignant et différentes stratégies mises en œuvre pour y résister.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0210,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,613
Tête enseignante GPT0,543
Écart entre enseignants0,071 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueL’éducation en débats analyse comparéeMême sujetEducation, sociology, and vocational trainingTravaux en français237 207