« Expérimenter le web en tant que jeune minoritaire »
Bibliographic record
Abstract
Gabrielle Richard est chercheuse associée au laboratoire LIRTES de l'université de Paris-Est Créteil et à la chaire de recherche sur l'homophobie de l'université du Québec à Montréal.Elle est notamment l'auteure d'« "Il y a au moins trois gais dans la classe": apports d'une analyse des pratiques enseignantes pour comprendre l'hétéronormativité à l'école » (2017, Nouvelles pratiques sociales, 1, 28) et de « The pedagogical practices of Québec high school teachers relative to sexual diversity » (2015, Journal of LGBT Youth, 2, 12).Sigolène Couchot-Schiex est maîtresse de conférences en éducation au laboratoire LIRTES de l'université Paris-Est Créteil.Ses travaux se rapportent aux études de genre pour analyser la formation initiale des enseignant•e•s (2016, « Des recherches en éducation, formation, didactique : de quel•s genre•s ?», Le Français Aujourd'hui, n° 2, vol.193), en particulier en éducation physique et sportive (2017, Le genre, Éditions EP & S), ou d'autres questions vives à l'école comme le sexisme et le cybersexisme (2017, «"Prendre sa place" : une éducation par les pairs à l'école et dans le cyberespace », Éducation et sociétés, n° 39).Benjamin Moignard est sociologue au LIRTES.Ses travaux portent sur les formes de production, de désignation et d'encadrement des nouvelles problématiques éducatives et scolaires en France et à l'international.Il interroge la place et le rôle de l'école et des structures socio-éducatives dans la construction des inégalités sociales et scolaires en contexte, en considérant les modes et processus de scolarisation en lien avec les autres modes de socialisation de la jeunesse, sur les territoires les L'Harmattan | Téléchargé le 16/09/2026 sur https://shs.cairn.info(IP: 191.101.72.211)
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 | 0.005 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.008 | 0.009 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.027 | 0.008 |
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".