MétaCan
Menu
Back to cohort
Record W2938912847 · doi:10.7202/1055570ar

Le rôle de l’école face à la radicalisation violente : risques et bénéfices d’une approche sécuritaire

2019· article· fr· W2938912847 on OpenAlexaffvenue
Victorine Michalon-Brodeur, Élise Bourgeois-Guérin, Jude Mary Cénat, Cécile Rousseau

Bibliographic record

VenueÉducation et francophonie · 2019
Typearticle
Languagefr
FieldSocial Sciences
TopicTerrorism, Counterterrorism, and Political Violence
Canadian institutionsMcGill UniversityUniversity of Ottawa
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

La radicalisation violente est un phénomène social aux contours imprécis et au fort investissement politique, qui concerne principalement les jeunes en ce qui a trait au passage à l’acte. Plusieurs pays occidentaux composent avec ce phénomène en optant pour une réponse sécuritaire, dans laquelle une étroite collaboration entre le champ de l’éducation et les forces de l’ordre est encouragée. Cet article explore les enjeux liés au resserrement des liens entre l’école et les forces de sécurité en matière de prévention de la radicalisation violente. Bien que le recul et les données probantes manquent pour tirer un bilan complet de ces relations, certaines recherches, consacrées à l’impact de la guerre au terrorisme sur les jeunes et sur la sécurisation des écoles américaines en réponse aux fusillades scolaires, appellent à la retenue. À la lumière de ces travaux, le présent article soutient qu’il est nécessaire d’établir des frontières claires entre les mandats de l’école et ceux des forces de sécurité. L’importance de ces pare-feu doit être mise de l’avant dans la formation du personnel scolaire en prévention de la radicalisation violente, afin de préserver la capacité de l’école à se poser en espace qui favorise le développement d’une pensée critique et d’une conscience de l’Autre.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.485
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0000.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.002

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.

Opus teacher head0.016
GPT teacher head0.307
Teacher spread0.291 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations6
Published2019
Admission routes2
Has abstractyes

Explore more

Same venueÉducation et francophonieSame topicTerrorism, Counterterrorism, and Political ViolenceFrench-language works237,207