Les dispositifs de reconnaissance des compétences transversales non techniques, entre affranchissements subjectifs et déplacements des rapports de domination
Bibliographic record
Abstract
Les dispositifs sociotechniques de valorisation des compétences transversales non techniques, notamment des publics en formation, ont pour ambition de contourner la valeur des qualifications et/ou des compétences techniques au profit de caractéristiques décrites comme plus profondes chez l’individu, dont les épreuves socioprofessionnelles sont convertibles en ressources. Ces dispositifs n’échappent pas à certains paradoxes : en ne s’éloignant qu’en partie des effets des capitaux scolaires, ils prennent le risque d’une invisibilisation des inégalités sociales. Par ailleurs, s’ils se détournent de la valeur symbolique des structures au profit de l’analyse des conduites et de l’expérience vécue, ils ne remettent pas nécessairement en question les hiérarchies à l’oeuvre dans le monde social. Il demeure ainsi une ambivalence dans la construction du rapport à soi, entre affranchissement des repères normatifs en lien avec l’excellence scolaire et/ou la réussite professionnelle, et affaiblissement de la critique des processus de production pédagogique et pratique par l’individualisation des normes d’accomplissement.
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 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.004 | 0.024 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".