Former les futurs enseignants et enseignantes sur la discrimination et les rapports sociaux : d’une question en tension à une pratique sous tension
Bibliographic record
Abstract
En France, le ministère de l’Éducation nationale a introduit en 2013 l’objectif de « lutte contre les discriminations » dans la formation des futurs enseignants et enseignantes. À partir d’une enquête menée dans trois ESPE (Écoles supérieures du professorat et de l’éducation), montrant la quasi-absence de ce thème, cet article se penche sur les quelques cas d’enseignements portant malgré tout sur les discriminations et les rapports sociaux. Il montre que, outre des contraintes structurelles qui précarisent et marginalisent ces enseignements, les formateurs et formatrices doivent faire face à des résistances de la part de leurs collègues comme des étudiants et étudiantes. Ces résistances s’appuient sur des ressources institutionnelles, ce qui fragilise la position d’autorité des formateurs et formatrices et de leurs savoirs scientifiques. Face à cela, les professionnels et professionnelles déploient une série de tactiques pour atténuer les oppositions, mais ces tactiques reviennent en fin de compte à affaiblir la conflictualité inhérente à ces sujets, au risque d’une dépolitisation des enjeux.
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 | 0.021 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.033 | 0.057 |
| Scholarly communication | 0.025 | 0.024 |
| Open science | 0.002 | 0.013 |
| Research integrity | 0.011 | 0.017 |
| Insufficient payload (model declined to judge) | 0.009 | 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".