Éduquer sans l’école : qui ? pourquoi ? comment ? Résultats d’enquêtes en territoires francophones
Bibliographic record
Abstract
L’apprentissage en famille (AEF) est en croissance dans le monde comme le corpus international de recherche sur ce thème, mais il est peu étudié en francophonie. Ce travail, appuyé sur des données d’enquêtes au Québec, en Suisse romande et en France, rapporte et compare les profils des familles, les motivations parentales et leurs pratiques pédagogiques. Leurs caractéristiques sociodémographiques les distinguent peu de la population générale, sauf une surreprésentation de diplômés universitaires et de détenteurs d’une formation ou expérience de travail en éducation. Ces parents choisissent l’AEF pour vivre un projet éducatif en famille, par souci du bien-être de leurs enfants, pour améliorer l’expérience d’apprentissage et parce qu’ils critiquent le système d’éducation. Leurs pratiques éducatives sont diversifiées, ces familles trouvant dans l’AEF des réponses à leurs attentes et à des besoins éducationnels, souvent particuliers, mettent au jour des défis sur l’évolution et la gouvernance démocratique des systèmes éducatifs.
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 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".