Quelles adaptations des enseignant·e·s français·e·s des écoles primaires face aux « éducations à » ?
Bibliographic record
Abstract
L’introduction des « éducations à » (au développement durable, à la citoyenneté, etc.) s’accompagne pour les enseignant·e·s de fonctions sociales élargies et d’une diversification des tâches à accomplir. Face aux projets qui rentrent à l’école, peuvent se produire des pertes de repères dans l’exercice du métier enseignant. Afin de comprendre ce qui se passe dans des dispositifs qui ont la particularité d’être initiés par le monde politicoassociatif et de prendre forme à l’intérieur des établissements scolaires, nous analysons diverses formes de réactions enseignantes à partir d’études de cas français. La méthodologie employée questionne les enseignant·e·s avant et après les projets, étudie leurs représentations sociales de leurs métiers et des thématiques abordées, analyse le lien entre leurs postures et leurs contextes sociologiques et géographiques d’exercice de leurs métiers. Il s’agit d’expliciter les différentes postures adoptées dans les dispositifs. Nous en avons déterminé quatre : les militant·e·s, les acceptant·e·s, les résigné·e·s, les résistant·e·s. De plus, selon les contextes, les fonctions enseignantes peuvent se mettre en tension et provoquer un rejet ou encore trouver sens dans un engagement social nouveau.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.009 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".