Les dimensions personnelles de gestion du risque d’étudiants en écoles supérieures de cirque : une étude exploratoire
Bibliographic record
Abstract
La gestion du risque dans le cirque a surtout été étudiée d’un point de vue sociologique qui met largement en avant la « gestion des émotions » (Fourmaux, 2006) ou l’importance des « dimensions personnelles, psychologiques » (Legendre, 2014). Notre étude exploratoire, constituée de 30 entretiens semi-directifs d’étudiants en écoles supérieures de cirque, vise une compréhension plus approfondie de ces dimensions personnelles à la lumière de données issues de la psychologie du sport appliquée. Les résultats mettent en avant des dimensions intra-individuelles de gestion du risque (gestion de la peur, confiance en soi et dans son corps, et concentration) et des dimensions interindividuelles (forte confiance accordée à l’enseignant ou aux partenaires, émulation du groupe). L’apprentissage ou le développement de la plupart de ces dimensions personnelles passe indirectement par la maitrise technique issue d’apprentissages formels répétitifs et progressifs. Les techniques mentales plus spécifiques concernant la gestion de la peur ou la concentration sont, par contre, plutôt issues d’un apprentissage personnel et informel, qui semble pertinent, mais le serait probablement encore plus s’il était formalisé.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| 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".