Bibliographic record
Abstract
Malala Yousafzai, Greta Thunberg, Emma Gonzalez, Alexandria Ocasio-Cortez et Michelle Obama constituent peut-être actuellement les figures les plus marquantes d’un changement de société qui se dessine à l’échelle planétaire. Sans nécessairement être les architectes des changements qui se dessinent, elles en sont néanmoins les porte-étendards. Une équité absolue, le respect des droits des personnes et des enfants, la protection de l’environnement sont au cœur de leur message. A contrario, il y a aussi leurs détracteurs, nombreux, qui usent de paralogismes et autres sophismes pour confondre les faits avec la fiction, le vrai avec le faux. Ils le font aussi, du moins en façade, au nom de la liberté de parole, de pensée, voire d’opinion. Et pourtant, les deux côtés ont leurs inconditionnels et parfois même, leurs partisans. La communication posera un regard philosophique sur la question suivante : quelle éducation offrir à nos enfants dans un contexte qui dépasse la simple évolution sociale? L’hypothèse qui sera explorée sera celle qui consiste à concevoir la citoyenneté comme étant au cœur de l’acte d’éduquer. Car, en fait, ne serait-il pas possible que les problèmes et enjeux les plus criants de notre époque seraient le résultat de déficits démocratiques causés par une éducation à la citoyenneté déficiente?
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.012 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.023 | 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".