La problématisation dans un processus de recherche collaborative
Bibliographic record
Abstract
L’étude, une recherche collaborative, a été menée en milieu montréalais avec des intervenants d’une école préscolaire. Le problème et l’espace problématique se trouvent au cœur des préoccupations des praticiens. La recherche collaborative rapportée ici a exigé un partenariat étroit entre les praticiens et la chercheure pour atteindre le but, établi au départ par les praticiens. Elle a demandé également la reconnaissance mutuelle de l’apport de chaque participant. Beaucoup de souplesse et d’adaptabilité de la part de chacun ont été nécessaires tout au cours du processus, lequel n’était pas soutenu par un dispositif de démarche formatrice au profit des praticiens. Le processus a plutôt laissé la place à la co-construction progressive et conjointe de savoirs par les praticiens et la chercheure2, en cohérence avec la problématisation dynamique de la situation étudiée. L’analyse des propos, sous l’angle de la problématisation, met en évidence trois moments forts de la problématisation, au début, au cours et à la fin du processus, et pour chacun d’eux le problème construit ou reconstruit par les participants. Selon cette analyse, la reconstruction progressive du problème est rattachée aux manifestations des capacités métacognitives des enfants et aux modifications des pratiques éducatives.
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 | 0.100 | 0.117 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.018 | 0.049 |
| Scholarly communication | 0.033 | 0.030 |
| Open science | 0.007 | 0.028 |
| Research integrity | 0.012 | 0.012 |
| Insufficient payload (model declined to judge) | 0.010 | 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".