Liens entre éducation et cognition en fonction de l’évolution des concepts de recherche selon deux bases de données : Web of Science (WOS) et Didactique et acquisition du français (DAF)
Bibliographic record
Abstract
Cet article examine, d’une part, ce qui permet d’attester qu’une étude est scientifique et, d’autre part, à quelle époque ont émergé les recherches issues des domaines de l’éducation et de la cognition, à partir de l’examen de deux bases de données : DAF (Didactique et acquisition du français langue maternelle) et le WoS. DAF a été élaborée par des chercheurs francophones québécois (Université de Montréal), français (Institut national de recherche pédagogique), belges et suisses. Le WoS recense les articles publiés dans des revues à comité de lecture, principalement internationales. Pour répondre à la première question, la typologie des recherches élaborée pour DAF est examinée et confrontée à celle issue du WoS avec une dimension historique. Pour répondre à la seconde question, après la présentation de quand et comment ont émergé les sciences cognitives d’après un des fondateurs de cette discipline (George Miller), l’évolution de ce champ disciplinaire et de celui de l’éducation est examiné ainsi que les sous disciplines auxquelles ils sont respectivement rattachés. L’article se termine par l’examen d’un domaine dans lequel les imbrications entre sciences de la cognition et de l’éducation sont fortes (celui de l’apprentissage de la lecture) avec un état des lieux de la recherche dans ce domaine et un examen de ce qui semble être un frein à sa diffusion dans le monde des praticiens de l’éducation.
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 | 0.022 | 0.065 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.011 |
| Science and technology studies | 0.003 | 0.013 |
| Scholarly communication | 0.016 | 0.018 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".