Une approche sociocritique des usages numériques en éducation
Bibliographic record
Abstract
Cet article a pour objectif de contribuer à formaliser une approche sociocritique du numérique en éducation. Telle que nous la concevons, cette approche consiste à étudier les relations entre le profil et le contexte socioculturel des élèves et leur disposition à s''éduquer et se former avec le numérique. Elle se situe au croisement, d’une part, de la sociologie des usages, qui a peu développé les dimensions éducatives du numérique, et d’autre part, des sciences de l’éducation, qui ont faiblement mis en lien les usages numériques proposés aux élèves en salle de classe avec ceux développés en contexte extrascolaire. Elle s’inscrit dans la thématique des usages numériques éducatifs, telle que circonscrite par (Baron, 2014), et se veut complémentaire aux approches didactique et psychopédagogique majoritairement utilisées. Nous commençons par expliciter les fondements de cette approche. Nous présentons ensuite un aperçu de trois de ses thématiques saillantes, avant d’aborder ses implications méthodologiques et sa complémentarité avec les approches didactique et psychopédagogique, ainsi que les principaux défis qu''elle doit relever.
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 | 0.018 | 0.047 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.009 |
| Science and technology studies | 0.006 | 0.017 |
| Scholarly communication | 0.012 | 0.019 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.019 | 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".