Bibliographic record
Abstract
Dans ce texte, nous présentons d’abord le concept des communautés de pratique, puisque celui-ci est parfois l’objet de définitions différentes. Nous exposons ensuite notre méthodologie de recherche, avant de passer ensuite à quelques-uns des résultats issus d’une recherche sur la mise en place de communautés de pratique au Québec et ce, par le biais d’une analyse différenciée selon le sexe. Nous nous intéresserons surtout aux divers facteurs qui peuvent expliquer le succès des communautés en nous penchant sur les différences observées selon le sexe des participants. Ceci permettra de constater que les femmes ont non seulement su tirer profit de l’expérience de communautés de pratique pour apprendre, sur les plans personnel et professionnel, mais elles semblent s’être davantage approprié ce mode d’apprentissage que les hommes. Nos données ne peuvent évidemment pas être considérées parfaitement représentatives de ce que l’on pourrait projeter pour l’ensemble de la population, puisque nous avons étudié une centaine de participants dans 9 communautés de pratique, dans autant d’organisations, mais elles présentent tout de même des résultats intéressants pour la réflexion sur l’appropriation, par les femmes, de cette modalité d’apprentissage et de formation que constituent les communautés de pratique, et notamment les communautés de pratique virtuelles ou fonctionnant à distance, ce dont il est question ici.
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 | 0.013 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.009 | 0.028 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 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".