Quelle contribution pour la géographie dans une éducation à l’environnement et au développement durable ? Un modèle d’enseignement
Bibliographic record
Abstract
dans une éducation à l'environnement et au développement durable ?Un modèle d'enseignement Robert Sourp 1 L'éducation à l'environnement et au développement durable (EEDD) a été instituée en France par une circulaire ministérielle de juillet 2004 comme un objectif transversal aux disciplines scolaires.La géographie est l'une des disciplines concernées par l'EEDD.Or le changement de son paradigme scientifique pose un défi particulier.Fondée traditionnellement sur une définition des relations entre les hommes et la nature 1 , la géographie se repositionne aujourd'hui comme une science sociale situant le rapport à la nature comme l'une des composantes de la société.La géographie scolaire doit donc clarifier sa position face aux sciences de la vie et de la terre (SVT), mais aussi par rapport aux autres sciences sociales.2 Dans ce contexte, la géographie apporte -en complémentarité avec d'autres disciplines -une contribution essentielle à la formation intellectuelle par ses modes de pensée, par ses concepts, par ses problématiques, par les valeurs qui la fondent.L'éducation relative à l'environnement (ERE) quant à elle implique une mutation des pratiques enseignantes.Elle invite l'élève à identifier des problèmes réels, à investiguer en croisant des données multiples et des informations recueillies auprès de divers acteurs sociaux, à utiliser une trame conceptuelle qui permette de structurer la complexité du réel.Cela amène la géographie scolaire à repenser son objet particulier, ses méthodes et ses modes de raisonnement. 3Je formulerais des propositions -illustrées par un exemple -pour clarifier cet enjeu de didactique et d'épistémologie scolaire, en me situant dans le contexte institutionnel français d'une EEDD prise en charge par les disciplines.Quelle contribution pour la géographie dans une éducation à l'environnement e...
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.009 | 0.012 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".