Pratiques et compétences en éducation aux médias et à l’information
Bibliographic record
Abstract
Cet article porte sur la question des pratiques et des compétences en éducation aux médias et à l’information. Trois auteures s’approprient et problématisent ces notions, complexifiées et précisées par l’usage des qualificatifs « médiatiques », « informationnelles » ou « numériques », et observées au croisement de la recherche et des activités courantes effectuées par les acteurs de l’EMI. Laëtitia Pierrot rend compte des processus sociaux par lesquels les pratiques numériques se construisent au sein de groupes sociaux. Elle considère les pratiques, médiatiques ou numériques, comme des actions instrumentées et socialisées et elle a procédé à l’analyse de traces numériques de lycéens pour en faire la démonstration. Camille Tilleul interroge les pratiques médiatiques dans les relations qu’elles entretiennent avec des compétences qu’elles sont dites évoquer ou développer. Elle s’intéresse à la diversité des pratiques médiatiques en tant que facteur de développement des compétences considérées constitutives de la littératie médiatique. Adeline Entraygues étudie la relation entre pratiques informationnelles juvéniles et culture de l’information. Pour ce faire, elle s’emploie à distinguer les pratiques prescrites des pratiques informelles effectuées par des personnes mineures sur les réseaux sociaux numériques.
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 | 0.006 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.015 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".