Comment mettre en oeuvre un enseignement de la citoyenneté numérique en respectant une visée égalitaire ?
Notice bibliographique
Résumé
Les visées actuelles des récents curricula scolaires s’articulent autour de la formation de citoyen·ne·s numériques (Conseil de l’Europe, 2021 ; Digitalwallonie.be, 2021 ; gouvernement du Canada, 2021 ; Conférence Intercantonale de l’Instruction Publique de Suisse romande, 2021). Pour la Suisse romande, l‘éducation numérique s’impose désormais comme discipline scolaire (CIIP, 2021). Toutefois, d’un point de vue social, ces savoirs sont identifiés comme étant androcentrés (Colette et Marjolaine, 2017, Collet, 2019). Dans ce contexte, l’éducation numérique requiert une réflexion afin de prévenir la reproduction de stéréotypes et, in fine, travailler à l’égalité entre les sexes à l’école (Fassa, 2013). Dans le cadre de cette communication, il s’agira de présenter les premiers résultats d'une recherche-intervention visant à documenter l'implémentation d'un dispositif de formation aux perspectives genre et numérique auprès d’enseignant·e·s et à documenter l'implémentation de séquences d’enseignement de citoyenneté numérique menées auprès d’élèves de 10/12 ans. Les résultats de ces investigations devraient permettre d’identifier les enjeux de l’enseignement de la citoyenneté numérique en vue de faire évoluer cette discipline vers plus d’égalité. Par la formalisation de dispositifs d’enseignement/formation, il s'agira de soutenir le développement de compétences essentielles à de futur·e·s citoyen·ne·s, professionnel·le·s et innovateur·trice·s.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».