De l’expérience formatrice à l’expérience apprenante : genèse et perspectives pour une mise en récit d’un processus de professionnalisation
Bibliographic record
Abstract
Les différentes situations rencontrées par un professionnel constituent le cadre d’analyse de l’activité du travail. Ces situations sont à analyser comme des potentialités d’apprentissage et de développement d’un sujet travailleur et apprenant. Nous faisons l’hypothèse que différentes situations sont à mobiliser pour penser autrement un parcours personnel et professionnel dont la finalité serait l’apprentissage et le développement du sujet. Les situations seraient ainsi pensées comme un ensemble d’occasions d’apprendre et de se développer, autrement dit, comme des situations porteuses d’expériences formatrices. Cette rencontre de situations prendrait sens selon un processus dialogique voire dialectique institué entre les différentes situations. Pour soutenir cette thèse, nous proposons d’identifier et de caractériser ces situations porteuses d’apprentissage et de développement. Pour ce faire, nous proposons de convoquer la posture expérientielle de ces différentes situations, en particulier certaines d’entre elles, dont on considère qu’elles sont représentatives et souvent emblématiques des formations professionnelles, c’est-à-dire les stages.
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 | 0.010 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.012 | 0.030 |
| Scholarly communication | 0.016 | 0.013 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.008 | 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".