L’action située : critique mesurée d’une approche novatrice de l’apprentissage
Bibliographic record
Abstract
Depuis la fin des années 1980, on assiste à un déplacement du focus des travaux de recherche sur l’apprentissage, la pensée et l’action vers l’analyse du processus d’interaction de l’individu avec l’environnement. L’action située (AS) est un courant de pensée sur l’apprentissage qui correspond à cette tendance qui s’affirme depuis une vingtaine d’années et pour lequel on constate un engouement certain. Cet article a pour objet d’en faire une critique mesurée, c’est-à-dire que l’on tentera d’en montrer l’originalité et d’en faire valoir les apports à une meilleure compréhension de l’apprentissage, mais aussi de montrer que sa rupture avec d’autres approches comme celle de la psychologie cognitive ne va pas sans soulever certaines questions de fond. Pour débuter, il s’agira de rappeler que l’apprentissage est au cœur de l’existence de l’être humain et de montrer l’originalité du regard que pose l’AS sur ce phénomène individuel et socio-culturel. Ensuite, il sera question de résumer les idées importantes de l’AS à propos des rapports entre apprentissage, pensée, action et situation pour ensuite les mettre en tension avec celles de la psychologie cognitive. La dernière section de l’article expose des problèmes relatifs à la production des savoirs, à la participation des membres et à la régulation des communautés de pratiques à l’aide de deux exemples, l’un plus général et l’autre plus directement collé à la réalité du sport.
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 | 0.012 | 0.015 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.008 | 0.060 |
| Scholarly communication | 0.013 | 0.017 |
| Open science | 0.004 | 0.008 |
| Research integrity | 0.006 | 0.010 |
| Insufficient payload (model declined to judge) | 0.010 | 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".