Compétences collectives et formation à la conduite d’engins de secours dans un contexte de spécialisation des sapeurs-pompiers en France
Bibliographic record
Abstract
L’étude présentée a été réalisée à la demande d’une école départementale d’incendie et de secours des sapeurs-pompiers en France. Sur la base d’approches développées en ergonomie et didactique professionnelle, il s’agit de mener une analyse de l’activité de conduite de deux engins en situation d’urgence, en vue d’améliorer la formation à la conduite dispensée dans un contexte de spécialisation des conducteurs. À partir d’entretiens, de films de départs en intervention et d’autoconfrontations, nous montrons qu’il s’agit d’une activité collective multidimensionnelle et nous indiquons différentes stratégies de conduite, qui sont organisées par le concept pragmatique de fluidité de la conduite. Ces stratégies permettent alors de répondre au double objectif d’un départ en intervention : arriver le plus vite possible sur le lieu du sinistre tout en évitant tout incident routier. L’ensemble de ces résultats souligne les limites de la formation actuelle ainsi que les écueils de la spécialisation des conducteurs.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.008 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".