L’informatique au lycée : nouvel enseignement et anciens stéréotypes
Notice bibliographique
Résumé
Cet article montre comment l’expérience de l’informatique au lycée peut conduire des lycéennes à déprécier leurs compétences dans ce domaine et à reformuler leur projet d’orientation en conséquent. Il s’appuie sur une enquête qualitative longitudinale menée dans cinq lycées franciliens, auprès d’élèves suivant l’option Informatique et Création Numérique et/ou l’enseignement Numérique et sciences informatiques, récemment introduit. L’article part du constat d’un abandon important et précoce de ces disciplines par les lycéennes, alors même qu’elles les avaient choisies. Il montre que l’expérience de ces enseignements, loin de favoriser un sentiment de montée en compétences, nourrit une autodépréciation de leur niveau par les filles. Ce processus d’autoévaluation négative s’explique par les modalités d’apprentissage valorisées dans ces enseignements : l’apprentissage par essai-erreur et le travail en sous-groupe.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,016 | 0,021 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».