Construction de bénéfices mutuels en contexte collaboratif : pistes théoriques et méthodologiques
Bibliographic record
Abstract
Nous référant aux résultats produits dans le cadre de deux projets collaboratifs axés l’un sur la formation continue d’enseignants (Chantier 7) et l’autre sur la recherche orientée par la conception (LéA), nous souhaitons montrer comment les cadres méthodologiques et théoriques choisis ont permis de repérer comment se construisent les bénéfices mutuels dans chacun des deux projets. Le métissage des praxéologies dans le LéA s’appuie sur l’émergence d’objets frontières et sur des phénomènes de brokering mis à jour dans l’analyse de réponses à des questionnaires soumis aux participants. La co construction de savoirs en évaluation dans le cadre du chantier 7 se fait à travers des démarches de valuation appuyées par le recours à différents critères de validité et de viabilité des savoirs deformation en circulation. Suite à l’analyse séparée de deux corpus, nous avons souhaité mettre à l’épreuve ces trois concepts (objet frontière, brokering et valuation de savoirs) dans un atelier offert à des enseignants, des conseillers pédagogiques et des chercheurs ayant participé au réseau des LéA. Les résultats exploratoires de cet atelier permettent de faire l’hypothèse qu’ils ont une certaine pertinence auprès de participants impliqués dans le pilotage de projet de recherche collaborative. En effet, la compréhension des fonctions de brokering, le repérage des objets frontières et des mécanismes de valuation de savoirs semble offrir des pistes utiles pour le pilotage de tels projets et soutenir le contrat collaboratif.
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 | 0.042 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.005 | 0.016 |
| Scholarly communication | 0.014 | 0.016 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".