La fabrication d’un consensus : la révision de la Classification Internationale Type de l’Éducation
Bibliographic record
Abstract
Les statistiques internationales de l’éducation sont de plus en plus mobilisées sur le plan politique et scientifique. L’Union Européenne les a placées au coeur de la Stratégie de Lisbonne, en établissant des « indicateurs de progrès » et en associant les chercheurs en sciences sociales à l’identification des « bonnes pratiques ». Dans ce contexte, la normalisation des catégories de mesure sur le plan mondial subit une nouvelle transformation. Depuis 2007, Eurostat, l’OCDE et l’Institut de statistique de l’Unesco se sont engagés dans un projet de révision de la Classification Internationale Type de l’Éducation (CITE). L’analyse de ce processus, replacé dans une perspective historique, met en évidence les enjeux de définition pour les différentes institutions impliquées et le rôle central des experts, qui élaborent un langage commun visant à décrire de manière universelle les formes d’apprentissage. Les concepts et catégories élaborés ont une incidence sur la conception de l’éducation qui en découle.
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 | 0.096 | 0.144 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.013 | 0.014 |
| Science and technology studies | 0.006 | 0.021 |
| Scholarly communication | 0.018 | 0.022 |
| Open science | 0.007 | 0.008 |
| Research integrity | 0.007 | 0.022 |
| Insufficient payload (model declined to judge) | 0.005 | 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".