L’autoethnographie : une quête de sens réflexive et conscientisée au coeur de la construction identitaire
Bibliographic record
Abstract
Cet article s’insère à l’intérieur d’une démarche de développement personnel et professionnel en lien avec le sens que l’on peut tirer, construire et interpréter de l’expérience de la démarche autoethnographique dans la formation à l’enseignement. Cette avenue de recherche est non seulement une source de réflexivité axée sur le vécu singulier de l’individu – il est ici question de mon vécu en tant que stagiaire en enseignement –, mais elle est aussi une façon de conscientiser ce vécu aux yeux de celui qui le porte et le vit. On peut ainsi dire que le soi est le leitmotiv de l’individu qui choisit de s’engager au sein de l’autoethnographie, se détournant d’une recherche de vérité absolue pour prendre racine dans un projet évocateur amarré à une quête signifiante au coeur de la construction identitaire. Les écrits présentent l’autoethnographie sous un angle historique puis pratique. Ils visent à amener le lecteur à mieux comprendre cette approche centrée et décentrée à la fois du chercheur impliqué explicitement au sein de son investigation. Enfin, ils mettent en lumière les liens que l’on peut tisser entre ces informations méthodologiques, ce vécu singulier et le domaine de l’éducation qui ne peut faire fi de cet univers où il s’abreuve : un lieu où l’individu apprend à se découvrir et où il laisse émerger tout un monde de potentialités souvent trop peu explorées.
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 | 0.009 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.026 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.007 | 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".