La construction de la géographie scolaire au collégial. L’enseignant et le choix des contenus d’enseignement.
Bibliographic record
Abstract
Cet article tente de cerner comment se définit le quoi enseigner dans un contexte scolaire où le programme laisse beaucoup de liberté à l'enseignant. L'étude repose sur les résultats d'une recherche visant à comprendre comment les enseignants choisissent leurs contenus d'enseignement et contribuent, ce faisant, à la construction de la géographie comme discipline scolaire. Deux types de données sont analysés. L'examen des documents produits durant la période de réforme du programme de sciences humaines (1985-1990) par le comité pédagogique de géographie permet de retracer la démarche collective d'élaboration des devis ministériels. Par ailleurs, une analyse de discours basée sur une série d'entretiens semi-dirigés avec 12 enseignants de géographie conduit à une proposition de matrice organisatrice du sens des contenus d'enseignement. On constate que l'enseignant tisse le fil conducteur de son cours en mettant en relation sa conception de la géographie collégiale et des démarches d'organisation des contenus, dans une dynamique de tensions entre créativité et normativité, certitude et doute, culture personnelle et référentiel géographique.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.009 | 0.025 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".