Bibliographic record
Abstract
Les jeux de simulation ne sont pas en soi des nouveautés. Ils existent depuis longtemps et ont été utilisés par la plupart des gouvernements pour entraîner leurs militaires et faire des prédictions. Ce n'est cependant que depuis la Deuxième Guerre mondiale que les simulations ont commencé à se développer en sciences sociales et leur introduction à l'enseignement est fort récente. C'est aux États-Unis que cet intérêt pour les jeux à contexte simulé s'est d'abord et surtout répandu. Des chercheurs européens - en particulier d'Angleterre et de Norvège - et israéliens prennent aussi une part active dans l'élaboration des jeux de simulation. Comme le milieu francophone n'a pas encore été tellement touché par cette approche, ce texte, en plus d'être un examen du potentiel des jeux dans l'enseignement de la sociologie au niveau collégial et universitaire, examine l'état actuel des connaissances en ce domaine.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".