L’initiation à l’épistémologie des sciences à l’école : peut-on envisager d’autres conceptualisations que le modèle Nature of science (NOS)?
Bibliographic record
Abstract
Au sein du monde anglophone, l’expressionNature of science(NOS), qui prédomine largement dans les travaux issus du domaine, est présentée comme une « vision consensuelle ». Récemment, cette « vision consensuelle » a été remise en question par de nombreux auteurs. Notre article s’inscrit dans ce mouvement de conceptualisation de l’initiation à l’épistémologie des sciences à l’école. Nous y exposons, dans une première partie, les principales caractéristiques utilisées pour définir la NOS, tout en soulignant ses apports et ses limites, puis nous poursuivons, dans une deuxième partie, par une présentation des principales reconceptualisations proposées. Dans une troisième partie, nous présentons notre proposition de l’initiation à l’épistémologie, fondée sur l’engagement des élèves dans des pratiques scientifiques scolaires et des pratiques épistémiques. Nous concluons l’article en ouvrant la discussion sur les considérations éthiques associées à l’initiation à l’épistémologie en sciences.
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 | 0.018 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.007 | 0.057 |
| Scholarly communication | 0.017 | 0.023 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.006 | 0.010 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".