Comment et par qui la danse en éducation prépare-t-elle les jeunes aux défis de demain ? Perspectives de la France et du Québec pour l’horizon 2030
Bibliographic record
Abstract
L’Organisation de coopération et de développement économique (OCDE) a publié en 2018 un rapport qui s’intitule Futur de l’éducation et des compétences : Projet Éducation 2030 invitant ses 38 pays membres à tenir compte prioritairement de l’acquisition de compétences « transformatives » au sein de leur politique éducative. Dans cette contribution Québec (Canada) – France, nous avons recensé des résultats de recherche les plus pertinents des trente dernières années qui décrivent comment et à quelles conditions se développent certaines composantes des compétences dites transformatives en milieu scolaire. Comment peuvent être développés complémentairement à l’enseignement-apprentissage de la danse le bien-être personnel, le sens de la collectivité, l’inclusivité, la capacité d’adaptation, la créativité, et l’ouverture d’esprit ? Et comment former les enseignants de danse pour ce faire ? Après avoir exposé les résultats de l’analyse du contenu des écrits (L’Écuyer, 1987 ; Bardin, 1998), nous formulons des recommandations quant à la formation des enseignants de danse pour qu’ils et elles puissent développer des compétences transformatives chez les élèves, les placer au fondement de leur capacité d’agir.
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 | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.016 | 0.011 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.011 | 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".