MétaCan
Menu
Retour à la cohorte
Enregistrement W4391758745 · doi:10.7202/1109252ar

Transformer les réalités vécues en savoirs à partager : quand les usagers-entraineurs deviennent acteurs de la formation en travail social

2024· article· fr· W4391758745 sur OpenAlexaffabout
Annie Lambert, Laurence Scalabrini, Maxime-Édouard Crête, Alexandre Roberge, Karine Huppé, Émilie Pothier-Tessier, Julie Doyle, Dominique Dufour

Notice bibliographique

RevueIntervention · 2024
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Depuis plusieurs années, la pédagogie universitaire en travail social s’ouvre à l’implication des usagers et au recours à leurs savoirs expérientiels, laissant place à des pédagogies qui favorisent le croisement des savoirs. Depuis 2015, l’École de travail social de l’Université de Sherbrooke déploie différents projets à ce niveau s’appuyant sur le concept de réduction de la distance qui promeut des relations égalitaires et la reconnaissance des savoirs de chacun. Notre article s’inscrit comme un récit de pratique appuyé sur les réflexions et les analyses des différents acteurs impliqués et illustré par les propos des personnes usagères participantes. Il permet d’exposer les principes et modalités de nos projets et leur valeur ajoutée dans la formation des étudiantes. Dans un contexte de mouvance et de questionnement du travail social, rendre compte de nos projets nous porte à soulever des pistes de réflexion permettant de défendre l’idée que la transformation des réalités vécues par les usagers en savoir à partager aux futures travailleuses sociales est un incontournable pour les formations universitaires actuelles.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,832
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,059
Tête enseignante GPT0,369
Écart entre enseignants0,311 · 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'étudeSans objet
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInterventionMême sujetSocial Sciences and GovernanceTravaux en français237 207