Récit de tournage : le documentaire comme méthode de recherche-action
Bibliographic record
Abstract
La problématique sociale du raccrochage scolaire fait l’objet de peu d’attention de la part des chercheurs (Voyer, Potvin et Bourdon, 2014). Les recherches menées de l’intérieur à partir de la parole des acteurs concernés par la problématique sont d’autant plus rares. En 2012, le réseau de recherche-action PARcours, coordonné par Danielle Desmarais, professeure à l’École de travail social de l’Université du Québec à Montréal, a produit un long métrage documentaire réalisé par Jonathan Durand. Ce film, intituléL’école pour moi, consigne les récits de vie de 14 jeunes provenant de quatre pays (Canada [Québec], France, Belgique et Espagne). Cet article présente les prémisses épistémologiques de notre production et propose une réflexion sur le potentiel du documentaire comme outil de recherche-action. L’usage de la vidéo révèle un fort potentiel de développement de réflexivité pour les jeunes ayant travaillé à mettre leur vie en récit devant la caméra. Deuxièmement, le film constitue un outil important pour la formation de futurs pédagogues et pour l’accompagnement de jeunes en situation de raccrochage scolaire. Troisièmement, la méthode dugo-alongque nous avons employée révèle, pour les scientifiques, un fort potentiel en ce qui a trait à la production de données originales et complémentaires à des méthodes d’entretien biographique formel. Ces méthodes et les retombées observées rendent compte du dynamisme de la recherche-action dans les disciplines pratiques comme le travail social et 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 | 0.027 | 0.055 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.006 | 0.014 |
| Scholarly communication | 0.016 | 0.016 |
| Open science | 0.004 | 0.009 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.045 | 0.012 |
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".