Former des économistes au développement durable : les enjeux d’une expérimentation niveau Master
Bibliographic record
Abstract
Ce texte a pour objectif de rendre compte d’une expérimentation menée en Master d’économie à l’Université des Sciences Sociales de Grenoble, dans le domaine de l’éducation en vue du développement durable. En première année, les étudiants peuvent suivre de nombreux enseignements sur le développement durable, notamment appliqués aux entreprises. Le suivi des cohortes montre que, tout en souhaitant conserver leur orientation DD, des étudiants choisissent le Master 2 pro « Expertise socio-économique et conduite du changement organisationnel » qui n’aborde pas explicitement la question du DD. Il vise en effet un apprentissage à la conduite du changement et forme aux méthodes (participatives notamment) et aux outils de l’expertise pour conduire des stratégies de changement en contexte de mutation, indispensables pour « faire » du DD. À partir de l’analyse des trajectoires professionnelles des jeunes diplômés sur la base des fiches de postes, cette contribution conclut sur la pertinence de ce « bricolage », qui répond aux attentes des employeurs soucieux de développer des « pratiques durables » dans leur organisation.
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 | 0.024 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.018 | 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".