De la dramatique d’usage de soi à l’usage dramatique de soi : une approche ergologique de la réussite et de l’échec dans l’apprentissage au travers de la question du corps-soi
Bibliographic record
Abstract
L’objet de cet article est de soumettre la réussite et l’échec dans l’apprentissage aux concepts majeurs de l’ergologie. À partir des éléments centraux de l’approche allostérique permettant de cerner ce qui se joue dans le fait d’apprendre, nous mettrons à jour la dynamique de la transformation et de la déstabilisation qui impliquent inconfort et dissonance dans l’apprentissage. Pour assumer ces derniers, et donc réussir, nous poserons que l’apprenant doit faire usage de lui au travers de sa confiance et de sa motivation. Usage de lui, confiance et motivation que nous entendrons dans une affinité avec les concepts ergologiques de dramatique d’usage de soi et de corps-soi. À ce titre, l’apprentissage et la réussite en son cours nous apparaîtront être de l’ordre de l’activité. Ce sera alors l’occasion de proposer une analyse de l’échec comme usage dramatique de soi. Et, dans ce droit fil, restera ouverte la question de ce qu’il est possible de proposer pour retrouver la dynamique des dramatiques d’usage de soi, et ce plus fondamentalement que les remédiations d’ordre cognitif qui sont d’ordinaire proposées en regard de l’échec.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.009 | 0.013 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".