Formation en animation socioculturelle à l’ESELx : quelle place aux sciences physiques et naturelles ?
Bibliographic record
Abstract
Dès la première version du programme de formation de la licence en animation socioculturelle de l’École Supérieure d’Éducation de Lisbonne en 2006, l’équipe enseignante a jugé bon d’y intégrer une composante de sciences physiques et naturelles. En effet, dans les sociétés contemporaines comprises comme des sociétés du risque, la réflexivité est centrale et la science et les scientifiques deviennent de plus en plus nécessaires, mais sans qu’on les sépare des populations, au contraire. Ce besoin de réflexivité sur les risques apporte des défis supplémentaires à la formation et à l’intervention des professionnels en animation socioculturelle. Une enquête auprès des étudiants nous montre quelles sont leurs représentations de sciences physiques et naturelles et quelle importance ils attribuent à ces connaissances en tant que citoyens et animateurs socioculturels. Une approche transdisciplinaire, incluant les sciences physiques et naturelles, semble offrir des outils utiles pour la difficile tâche des animateurs qui est de trouver des moyens pour faire face à une réalité pleine de complexités et d’ambiguïtés.
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 | 0.006 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.047 | 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".