Des pistes pour institutionnaliser une éducation relative à l’environnement dans la trajectoire obligatoire de la formation initiale à l’enseignement primaire
Bibliographic record
Abstract
Cet article présente quelques réflexions émergeant d’une recherche doctorale focalisée sur les enjeux de l’institutionnalisation de l’éducation relative à l’environnement dans la formation initiale à l’enseignement primaire. Le texte présente d’abord l’ensemble de la recherche ainsi que quelques positions et clarifications permettant de mieux apprécier les pistes suggérées pour institutionnaliser une éducation relative à l’environnement dans la trajectoire obligatoire de la formation initiale à l’enseignement primaire. Dans un premier temps, l’étude de la genèse et de l’histoire de dispositifs de formation fortement institutionnalisés permet d’envisager des voies pour mettre en place et institutionnaliser la formation. Elle invite à un travail collectif réunissant des professeurs en formation initiale à l’enseignement primaire. Dans un second temps, l’étude du fonctionnement des dispositifs permet d’envisager des voies pour concevoir et vivre la formation. Elle invite à dégager un espace-temps de formation à l’enseignement qui accordera une place à l’environnement parmi les fondements de l’éducation en plus de celle parmi les didactiques.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.008 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 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".