Réflexion sur l’épistémologie de la recherche en éducation à partir d’une étude dans le domaine des TIC avec une méthode collaborative
Bibliographic record
Abstract
Cet article se veut surtout le bilan d’une réflexion générale sur l’épistémologie de la recherche en éducation, qui découle d’une étude spécifique sans en être un dérivé absolu. La première partie présente un segment des résultats d’une étude de cas se penchant sur le problème de l’intégration pédagogique des TIC, que j’ai menée avec des formateurs d’enseignants. La deuxième partie discute des résultats de cette recherche, sous l’angle de la méthodologie utilisée dans cette étude. Dans cette partie, les résultats issus d’un entretien semi-structuré et d’un entretien selon la méthode de l’analyse de construits permettent de comparer les deux méthodes de collecte de données. Le texte se termine avec la description d’une métaphore épistémologique dynamique, qui permet de créer une image de la construction mutuelle de la connaissance qui se produit dans l’interaction avec l’autre, cet autre qui m’oblige à réfléchir sur mon intervention, et que j’incite à se questionner sur ses pratiques.
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 | 0.145 | 0.180 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.009 | 0.009 |
| Science and technology studies | 0.009 | 0.043 |
| Scholarly communication | 0.030 | 0.030 |
| Open science | 0.004 | 0.015 |
| Research integrity | 0.006 | 0.010 |
| Insufficient payload (model declined to judge) | 0.015 | 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".