Bibliographic record
Abstract
En s’appuyant sur le concept de « schème » (Piaget, 1967) pour définir la compétence comme « organisation invariante de la conduite pour une classe de situations données » (Vergnaud, 1990), la problématique de l’évaluation des compétences, déjà très documentée, ouvre à de nouvelles interrogations et perspectives, qu’il s’agisse de développer ces compétences ou de valider socialement leur acquisition. L’une des caractéristiques de la compétence ainsi définie est d’être doublement adaptative : son organisation permet l’adaptation aux situations et sa mise en oeuvre, dans l’activité, permet l’adaptation de son organisation. Ainsi, les compétences ne cessent d’évoluer en fonction des activités déployées par les sujets. Il en découle qu’il existe toujours différentes manières d’être compétent et que chaque sujet développe de manière spécifique ses compétences. Par ailleurs, toute évaluation dans ce registre est non seulement diagnostique, mais aussi pronostique; reconnaître une compétence comme « acquise » suppose toujours de faire un pari sur l’extension de l’organisation de l’activité constatée à des situations non testées, voire non connues. Analysée sous cet angle, l’évaluation des compétences procède d’un jugement sur l’adaptabilité du construit cognitif constaté, tandis que la certification des compétences procède d’un jugement d’acceptabilité portant sur cette adaptabilité pour un champ d’intervention donné.
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 | 0.025 | 0.055 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.002 |
| Science and technology studies | 0.002 | 0.013 |
| Scholarly communication | 0.010 | 0.012 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".