Le défi pluraliste. Éduquer au vivre-ensemble dans un contexte de diversité
Bibliographic record
Abstract
Le constat de la diversité impose un regard neuf sur les exigences associées à la formation du personnel enseignant et de l’ensemble des intervenants en éducation. Parmi ces exigences, il faut d’abord compter l’ouverture au pluralisme et le développement de la pensée critique. Dans cette présentation, je discute en premier lieu les raisons que nous avons d’intégrer dans la formation enseignante une réflexion sur les principes du pluralisme dans l’éducation démocratique. Quels sont ces principes et quelles sont leurs applications concrètes dans la formation? Je discute ensuite un certain nombre d’objections relatives aux positions normatives en éducation. Comment justifier l’importance d’une formation normative en tenant compte des critiques liées au relativisme, à la diversité communautaire et aux questions provenant de l’évolution de la sécularité et de la laïcité? Cette partie de ma présentation tentera de préciser les liens entre les exigences de formation pour le corps enseignant et les principaux programmes normatifs, tels qu’Éthique et culture religieuse et Histoire et éducation à la citoyenneté, mais sans exclure toutes les composantes normatives de l’ensemble des programmes de formation à l’enseignement.
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 | 0.008 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.011 | 0.060 |
| Scholarly communication | 0.013 | 0.014 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.005 | 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".