MétaCan
Menu
Back to cohort
Record W3094849046 · doi:10.3917/ela.197.0113

L’ énovation , un concept au service du projet identitaire européen : une illustration par la certification

2020· article· fr· W3094849046 on OpenAlexaff
Stéphanie Mac Gaw

Bibliographic record

VenueÉla Études de linguistique appliquée · 2020
Typearticle
Languagefr
FieldArts and Humanities
TopicSecond Language Learning and Teaching
Canadian institutionsUniversité du Québec en Outaouais
Fundersnot available
KeywordsPolitical scienceHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

On dit de la diversité qu’elle est une richesse, mais comment prétendre à sa préservation dans le contexte actuel de globalisation ? À l’heure de la standardisation des compétences individuelles critériées par le biais de documents politiques tels que le CECR (2001), dont certains diront qu’il participe à une marchandisation, voire à une MacDonaldisation de l’enseignement supérieur, cet article présente le rôle majeur que peut jouer une certification en langues dès lors qu’elle s’inscrit dans une dynamique « énovante » ; un concept que nous empruntons à Gélinas et Fortin (1996), et qui repose sur l’idée que les unités d’un système sont à l’origine de nouveautés émergentes dans le cadre de contextes spécifiques. Le présent article questionne dans un premier temps la possible adéquation entre les attentes du niveau macro, exprimées par le biais de politiques européennes d’éducation normalisatrices, et la réalité des niveaux méso (les établissements d’enseignement supérieur) et micro, constitué d’individus aux langues, cultures et compétences diverses. La question de la possible construction d’un projet identitaire européen au travers des langues sera enfin posée, en érigeant l’énovation comme un concept à même de mettre en écho des dynamiques potentiellement contraires. L’outil certificatif sera alors remis dans la perspective d’une utilisation sur le terrain de l’auteur.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.950
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.035
GPT teacher head0.271
Teacher spread0.236 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueÉla Études de linguistique appliquéeSame topicSecond Language Learning and TeachingFrench-language works237,207