L’enseignement des faits religieux et l’enseignement moral et civique « à la française » : des éthiques en tension?
Bibliographic record
Abstract
Si la relance de l’éducation morale à l’école constitue un thème récurrent dans le débat public depuis les années 1980, l’entrée en vigueur à la rentrée 2015 d’un nouvel enseignement moral et civique dans les établissements du premier et du second degré apporte avec elle un certain nombre de nouveautés par rapport aux anciens programmes d’instruction ou d’éducation civique, posant ainsi des questions inédites aux professionnels chargés de les mettre en oeuvre. Le propos de cet article n’est pas de traiter des enjeux de l’enseignement moral et civique dans sa généralité, mais de montrer comment celui-ci ouvre de nouvelles perspectives pour parler des religions à l’école laïque en faisant un pas de côté par rapport à l’approche socio-historique qui préside depuis les années 1980 à la promotion de l’enseignement des faits religieux. Il s’agira de montrer qu’en tant qu’éléments de curriculum résultant de politiques scolaires distinctes ainsi qu’en raison du type d’assise qu’ils peuvent trouver dans les pratiques enseignantes, l’enseignement des faits religieux et l’enseignement moral et civique tendent à véhiculer des approches différentes mais complémentaires de ce que peut être une pédagogie laïque.
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 | 0.006 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.025 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".