Au cœur des questions socio-écologiques : des savoirs à construire, des compétences à développer
Bibliographic record
Abstract
Dans le contexte actuel d’une « gouvernance » axée sur les alliances politico-économiques et l’instrumentalisation de la démocratie, c’est à la société civile que revient la tâche démesurément exigeante d’exercer une vigile critique sur les décisions relatives aux affaires publiques, en matière d’énergie, de ressources naturelles ou d’alimentation par exemple, et d’assumer le vaste chantier de l’innovation écosociale visant à transformer les façons de « vivre ICI ensemble ». L’éducation contemporaine est interpellée au premier plan pour accompagner et stimuler le développement d’une écocitoyenneté critique, créative et engagée, capable et désireuse de participer aux débats publics, à la recherche de solutions et à l’avènement d’une écosociété. À cet effet, parmi les apprentissages désormais nécessaires, tant en milieu scolaire que tout au long de la vie, il faut souligner les compétences d’ordre critique, éthique et politique. Ces champs de compétences intègrent un ensemble de savoirs de divers types et ils sont étroitement liés entre eux. Ils font appel à une « pédagogie engagée » et soulèvent des défis stimulants pour les acteurs d’une éducation ancrée, en toute pertinence, dans un monde en mutation.
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 | 0.020 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.045 |
| Scholarly communication | 0.018 | 0.021 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.009 | 0.010 |
| Insufficient payload (model declined to judge) | 0.009 | 0.003 |
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".