Écologie de l’institution scolaire – La cohérence entre contenus, méthodes et milieu scolaire
Bibliographic record
Abstract
Au nom d’un principe de cohérence entre finalités, contenus et organisation du système éducationnel, il faut repenser et réorganiser du point de vue écologique non seulement le programme d’études, mais aussi les méthodologies, le rapport enseignant-apprenant, les milieux d’apprentissage considérés aussi bien au sens strict (espaces physiques où se déroulent des activités d’apprentissage structurées) qu’au sens large du terme, comme « communauté éducationnelle » qui comprend tous les facteurs politiques, sociaux, psychologiques, culturels, éducationnels et environnementaux. En effet, l’éducation relative à l’environnement peut représenter un moteur de changement surtout si elle devient le laboratoire et l’exemple concret d’une réorientation culturelle et socioéconomique, à travers l’écologie des bâtiments, la réduction des émissions, la pratique de styles de vie et de comportements écologiques, l’écologie de l’organisation des temps, l’écologie de la communication interne, l’écologie de l’utilisation des structures, l’écologie des réseaux et des partenariats. Bref, il s’agit de réaliser une écologie dans l’éducation, une écologie de l’éducation et une écologie du système.
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 | 0.031 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.005 | 0.019 |
| Scholarly communication | 0.021 | 0.008 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".