Notice bibliographique
Résumé
N'en dplaise l'ancien ministre de l'ducation nationale et dsormais acadmicien franais Xavier Darcos qui affiche aujourd'hui son amour de l'cole, tout ne se passe pas toujours, dans les classes de lettres et pour chaque lve, aussi aisment qu'il veut bien le dcrire dans la rubrique Littrature du Dictionnaire qu'il a publi en 2016. Il est aujourd'hui des lves, et fort nombreux, pour lesquels l'appropriation de la littrature ne se fait pas d'elle-mme . On peut d'ailleurs considrer que beaucoup de jeunes gens n'arrivent pas tout fait laborer un jugement esthtique, thique, ou philosophique un peu construit et dvelopp. Et mme le fait de capter l'attention des lves pour les amener vers les textes, anciens en particulier, ncessite dj parfois, de la part des enseignants, des trsors d'invention 2 . Depuis 2000 d'ailleurs 3 , les recherches sur l'enseignement de la littrature ont eu pour objet de faire voluer un enseignement qui, en transposant de manire trs formalise et mthodique des savoirs textuels divers, avait install des dmarches et des conceptions qui faisaient des textes lus des objets tudier, voire dissquer, plutt que des oeuvres parlant chacun de ses problmes spcifiques et des questions pressantes, ou mme taraudantes, que lui pose un prsent qu'il partage avec d'autres. Si, autour des diffrentes questions mises en avant au fil des ans, des savoirs ont t runis, des dispositifs pdagogiques ont t construits, si des pratiques nouvelles ou renouveles ont t essayes, analyses, repenses, la question de la lecture et de l'enseignement de la littrature reste toujours aussi vive, en particulier parce que les industries des loisirs se sont aussi dveloppes dans le mme temps, proposant toujours plus de sollicitations qui accaparent l'attention des enfants, adolescents, jeunes gens, ainsi que des adultes d'ailleurs.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».