Projet de recherche sur l’intérêt des interactions de tutelle dans une situation d’apprentissage avec un enfant autiste
Bibliographic record
Abstract
Rencontrer l’enfant, lui accorder la place de sujet, lui permettre de coconstruire la séance. Comment cela pourrait-il être possible avec un élève présentant un tsa ? Les travaux de J.S. Bruner (1915-2016) sur les interactions de tutelle peuvent nous aider à esquisser une réponse. En observant les actions de l’enfant qui cherche à résoudre une tâche, l’adulte essaie de l’amener vers la réussite en intervenant ponctuellement et de façon très précise dans le processus de résolution. Cette action se nomme : étayage . L ’étayage n’est pas réductible à une aide car il opère des réductions de complexité dans la résolution de problème auquel est confronté l’enfant. L’ étayage n’autorise ni de faire à la place de l’enfant, ni de simplifier la complexité inhérente au problème posé. Notre recherche porte sur les conditions de transfert et les aménagements des interactions de tutelle et donc des actions d’étayage dans une pédagogie en direction des élèves autistes. Autrement dit, quelles sont, dans le cadre d’une situation d’apprentissage, les conditions de mise en œuvre des interactions de tutelle permettant l’émergence, le développement et le maintien des procédures cognitives nécessaires aux apprentissages ?
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 | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.023 | 0.005 |
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".