Des savoirs disciplinaires au service de l’Éducation au développement durable ? Un cas en formation d’enseignants
Bibliographic record
Abstract
L’évidence de la dualité savoir/action peut conduire, à l’école, à faire des savoirs disciplinaires de simples ressources à mobiliser pour résoudre des problèmes politiques tels que ceux du développement durable, alors que les disciplines scientifiques se sont précisément développées en s’autonomisant des questions idéologiques et politiques. C’est cette évidence qu’on questionne à partir du travail d’étudiants en formation d’enseignant, qui donne à voir le travail critique sur les faits et les idées qu’ils doivent accomplir pour concilier l’objectif d’apprentissage de savoirs géographiques et de compétences civiques et sociales. La figure de l’expert favorise cette enquête en distinguant l’expert qui dit le vrai, de l’expert qui organise la rencontre entre savoir d’expérience et savoir scientifique. La référence à ce second type d’expertise rend possible un dépassement de la confrontation des solutions par la reconstruction disciplinaire du problème politique pour dégager des critères d’évaluation capables d’aider à la décision.
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 | 0.012 |
| 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 | 0.012 | 0.011 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".