Bibliographic record
Abstract
Certes, l’évaluation des dispositifs (systèmes, institutions, politiques, curricula) éducatifs a donné lieu à un nombre non négligeable de publications. Cependant, cet objet hybride qu’est le dispositif, lui-même encore peu défini comme entité à part entière et très récemment identifié comme « objet technique », ne se présente pas encore comme un champ spécifique de l’évaluation en éducation. Imbriqué à la notion de « programme », il apparaît sous plusieurs formes à travers des travaux d’évaluation qui problématisent, de manière générale, ses effets et, plus particulièrement, l’efficacité, l’efficience, la qualité, la satisfaction qu’il génère. Les approches méthodologiques sont hétéroclites (ayant souvent recours aux outils sociologiques) bien que se dessine sensiblement une tendance à se préoccuper davantage de construire des référentiels, des critères et des indi ca teurs. Parmi les problématiques repérées, on trouve : la place et la participation des acteurs, le pilotage des dispositifs, le statut des théorisations. Des perspectives de relance des publications portant sur ce thème apparaissent possibles, particulièrement dans le sens d’une unification sémantique du champ à construire et dans la mise en valeur du lien entre apprentissage et dispositif.
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 | 0.051 | 0.109 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.004 |
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".