Références bibliographiques du dossier « Conflits de vérités à l’école »
Bibliographic record
Abstract
Conflits de vérités à l'école »Hélène Beaucher CIEP Quelle(s) vérités enseigne l'école ?Sont-elles contestées ?Comment sont-elles travaillées dans le système scolaire ?Y a-t-il conflit entre des régimes et de vérité ?Quelles sont les pratiques des enseignants face à la controverse ?Enjeux épistémologiques, enjeux didactiques, enjeux disciplinaires, question des identités, des croyances, du pouvoir, conflits de valeurs, etc. : les problématiques et enjeux soulevés par le sujet, miroir de la complexité des sociétés contemporaines, sont nombreux et il est impossible de les traiter de manière approfondie dans le cadre d'une bibliographie.Les premières références ont pour objet : vérité et rationalité en philosophie de la connaissance, vérité et opinion, vérité et éducation, diversité culturelle et religieuse à l'école.La partie suivante traite des polémiques et propose des exemples de tensions entre régimes de vérité scientifique et religieux, et de questions sensibles en histoire.Un troisième ensemble porte sur l'enseignement des questions socialement vives et sur les pratiques des enseignants face à la controverse ; aborder ce qui fait débat permet de renforcer les compétences civiques.La dernière partie s'intéresse à l'éducatio n à la citoyenneté, qui contribue à l'apaisement des conflits et favorise le vivre-ensemble et l'acquisition de valeurs communes.Cette bibliographie concerne en majorité des travaux produits ces dix dernières années.
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 | 0.002 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.045 | 0.086 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.087 | 0.016 |
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".