Développer un rapport critique et techno-créatif au territoire par la création de maquettes de villes à l’école
Bibliographic record
Abstract
Notre rapport à l’espace et au territoire est une relation qui se construit à partir d’un ensemble d’expériences de vie. Pour les enfants d’aujourd’hui, le rapport au territoire est fortement encadré par leurs parents ainsi que par leurs activités scolaires et extrascolaires. Dans cet article, nous analysons le type d’activités scolaires qui peuvent permettre de développer une approche critique et créative des enfants dans leur rapport à l’espace et au territoire. Parmi les activités d’engagement créatif et participatif à l’espace et au territoire, le projet #SmartCityMaker mobilise les élèves dans la construction d’une maquette de ville. Dans cette étude, nous centrons notre analyse du rapport à l’espace, mais aussi le processus techno-créatif, à partir de l’expérience des élèves des écoles élémentaires Minelle et Curie à Mandelieu (France). Ces élèves ont participé à la création de leur ville du futur avec une volonté de développement durable et technologique. En premier lieu, nous présentons le projet de recherche-création avec les élèves ainsi que la démarche de recherche-création et, en deuxième lieu, nous analysons la démarche de cocréativité des élèves au cours de ce projet à partir des questionnaires de cocréativité. Nous discutons des résultats et des enjeux pédagogiques de cette recherche-création.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.012 | 0.017 |
| Scholarly communication | 0.015 | 0.011 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".