Art and Aesthetics in Sustainability Education Insights into Beautifying Management Education with François Jullien
Notice bibliographique
Résumé
La beauté se déploie conceptuellement dans les champs de l’art et de l’esthétique, en Occident comme en Orient, même si la perspective chinoise est souvent ignorée en éducation. Par ailleurs, les pratiques esthétiques sont de plus en plus utilisées dans la formation au management. Le but de cet article théorique est de questionner les bases conceptuelles des pratiques dans le champ de la formation en lien avec un développement durable. Notre approche se caractérise par le dialogue ouvert avec la conception chinoise en art et esthétique, dans ses connections nourrissantes avec le vivant. La prise en compte des deux conceptions, occidentale et chinoise, permet de dépasser l’approche européenne dominante et d’éviter une lecture ethnocentrique pour offrir un éclairage pertinent à un « embellissement » de la formation au management. Trois étapes scandent cet article conceptuel sur les enjeux du beau au service du développement durable. Nous présentons et analysons d’abord le cas ARTEM et ses 20 années d’expérience dans le champ de l’enseignement supérieur en France. Nous questionnons ensuite le concept du beau en vis-à-vis de la conception chinoise avec le philosophe et sinologue François Jullien. Enfin, nous analysons le potentiel esthétique pour vivifier durablement la formation au management. Le concept du beau associé à celui de connivence peut servir un processus vivifiant d’embellissement du management et de la formation. La connivence stimule une connaissance sensorielle et relationnelle, particulièrement adaptée pour comprendre et mobiliser les pratiques esthétiques en matière de développement durable.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».