Bibliographic record
Abstract
Quelques mois avant l’introduction des itinéraires de découverte au collège, et au moment où un premier bilan permet, en ce qui concerne le lycée, de confronter les objectifs initiaux des TPE aux questions soulevées par leur mise en œuvre, la Revue internationale d’éducation de Sèvres a cherché à savoir ce qui se passe ailleurs. En Allemagne, on prévoit par exemple de favoriser au niveau fédéral l’autonomie des apprentissages grâce à une utilisation systématique des TICE. Aux Pays-Bas, l’autonomie de l’élève n’est plus un objectif mais une réalité inscrite depuis longtemps. On commence aujourd’hui à en mesurer les avantages et les inconvénients. Certains craignent, au Québec par exemple, que cette évolution vers une plus grande autonomie de l’élève n’entraîne le risque de substituer la construction des compétences à la transmission des savoirs. En Italie, plusieurs modèles pédagogiques cohabitent : doit-on y voir une richesse ou au contraire redouter une exacerbation de la compétition entre établissements ? Dans un pays comme l’Argentine, au contexte économique et social très hétérogène selon les régions, l’accès à un savoir plus complexe, selon des modalités plus autonomes, est plutôt fonction du milieu social des élèves et des ressources propres à chaque école.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.011 | 0.007 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.029 | 0.002 |
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".