Éducation au développement durable et territoires : Évolution des problématiques, modification des logiques éducatives et spécificité des contextes ruraux
Bibliographic record
Abstract
Cet article s'articule autour de l’évolution de la prise en compte des contextes territoriaux par les sciences de l'éducation au cours des dernières décennies jusqu'aux tout récents changements de perspective apportés par l'introduction dans les programmes éducatifs de l'« éducation relative à l’environnement » (ERE), puis de l'« éducation au développement durable » (EDD). Pour tenter de comprendre les développements actuels et à venir de la problématique générale « éducation et territoire », nous nous sommes appuyés sur l'introduction de l'EDD dans l'enseignement en France, de l'école à l'université, et ses incidences en termes de modification des logiques éducatives. Pour illustrer nos propos, nous avons longuement décortiqué une analyse de cas d'un projet d’EDD multi partenarial relatif à l'« écomobilité » dans les Alpes de Haute Provence. Nous avons ainsi pu montrer comment la « démarche de projet » liée à l'EDD dans un cadre territorial rural tend à réduire l'enseignement à une forme éducative « utilitariste ». Enfin, nous en avons conclu que l'évolution de la problématique « éducation et territoire » liée à l'introduction de l'EDD constituait un renouvellement partiel des perspectives de recherche et des postures actuellement dominantes en sciences de l'éducation.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".