Permanence des ordres d’enseignement : réseaux, orientation et classes sociales. L’exemple de la formation agricole
Bibliographic record
Abstract
Une des conséquences les moins visibles du phénomène de massification scolaire a été de favoriser l’apparition d’un nouveau public dans l’enseignement agricole : les enfants d’ouvriers et employés non agricoles composent aujourd’hui le gros de l’effectif. Historiquement construit de façon binaire sur le modèle primaire-professionnel versus secondaire-supérieur, l’enseignement agricole est aujourd’hui formellement unifié. Pourtant, cette unification formelle cache des fractures réelles, repérables dans les classes de deux écoles situées en Loire-Atlantique et historiquement ancrées dans l’un ou l’autre de ces réseaux. À même niveau de diplôme, dans les filières traditionnellement dédiées aux enfants d’agriculteurs, les enfants d’ouvriers et d’employés s’inscrivent plus volontiers dans l’ancien primaire-professionnel quand les enfants d’agriculteurs s’orientent plus massivement dans l’ancien secondaire-supérieur. Ces orientations sociales et scolaires sont de surcroît justifiées par les élèves par un système de valeurs et de goûts personnels. Dans cette perspective, les pratiques langagières des élèves en entretien constituent un lieu d’observation privilégié pour objectiver in vivo des effets de domination reconduisant les réseaux de scolarisation.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.013 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".