Les facultés d’éducation des universités traditionnelles et les universités du troisième âge : un modèle de partenariat
Bibliographic record
Abstract
Le présent article porte sur un modèle de partenariat que pourraient établir les universités du troisième âge avec les facultés d’éducation des universités, dans le dessein d’offrir aux personnes concernées un meilleur service. La poursuite d’études universitaires représente une voie porteuse, particulièrement si elle se situe dans le cadre des facultés d’éducation et en lien avec les universités du troisième âge. Les auteurs présentent ici un modèle de partenariat entre ces deux instances, inspiré d’une approche pédagogique expérimentée dans de nombreux domaines socio-éducatifs. Ce modèle délimite les rôles des professeurs, formateurs, superviseurs et étudiants dont la mission est, notamment, de créer les conditions d’une bonne coopération entre les instances concernées afin de les rapprocher le plus possible et de leur assurer un fonctionnement maximal. Cet article devrait, en outre, contribuer à mieux cerner la question de l’identité professionnelle des futurs intervenants auprès des personnes du troisième âge, en indiquant comment ils peuvent accéder à une formation théorique et à une formation pratique intégrée et cohérente.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.026 | 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".