Bibliographic record
Abstract
Cet article théorique argumente l’idée novatrice d’utiliser la méditation pour une éducation et une formation éthiques relevant les défis de l’équité. Malgré des valeurs officielles incluant l’égalité, l’école en France est plus discriminante socialement que celles de tous les autres pays de l’OCDE. Une contradiction similaire entre valeurs explicites d’une part, et valeurs implicites et effectives d’autre part, se retrouve dans le fonctionnement cognitif des individus. Notamment, des attitudes implicites expriment inconsciemment des stéréotypes culturels à travers des comportements discriminatoires, par des biais attentionnels. Ainsi, nous émettons l’hypothèse qu’une source des discriminations opérant à l’école consiste en l’identification inconsciente des enseignants et des enseignantes aux élèves considérés comme « bons » et en l’étiquetage inconscient des élèves en difficulté scolaire comme étrangers. Nous proposons ici que le support cognitif de l’équité, pendant moral de l’égalité, corresponde à l’équanimité, fonctionnement sans biais implicite de préférence ni d’aversion. Une éducation éthique visant l’équité devrait dès lors permettre aux sujets de devenir conscients de leurs biais de fonctionnement et de développer l’équanimité. Un outil de choix pour s’y entraîner correspond à la famille d’entraînements attentionnels qu’est la méditation, ce que nous argumentons dans une brève description de différents types de méditation et dans une rapide revue de littérature de leurs effets. En perspective, nous envisageons dans les grandes lignes les bases qui nous paraissent essentielles au curriculum d’une éducation éthique visant l’équité.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.017 |
| Scholarly communication | 0.004 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.014 | 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".