Évaluation transdisciplinaire d’un nouveau modèle théorique d’habileté socioaffective : la compétence pathémique
Bibliographic record
Abstract
Avec l’augmentation de l’attention globale sur la qualité des relations humaines, les habiletés socioaffectives sont au coeur de nombreuses préoccupations sociétales, scientifiques et curriculaires. Ces préoccupations ont donné lieu à de nombreuses conceptualisations multidisciplinaires, et une réflexion transdisciplinaire permettrait de participer à la mise en lien de ces savoirs et de proposer possiblement des pistes plus opérationnelles pour l’éducation aux habiletés socioaffectives. Cet article étaye cette problématique et propose d’évaluer le potentiel transdisciplinaire et opératoire d’un modèle théorique enraciné issu d’une recherche doctorale bidisciplinaire : la compétence pathémique. Théorisée à partir de verbatims d’explicitation, cette compétence fait état de la gestion socioaffective des expressions d’affect (verbales et corporelles) d’adultes en situation d’interaction interpersonnelle. Les résultats de cette recherche sont présentés et mis en parallèle avec des conceptualisations issues de différents champs disciplinaires, afin de proposer des pistes de théorisation générale et opératoire pour le développement socioaffectif des individus.
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 | 0.021 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.002 | 0.012 |
| Scholarly communication | 0.009 | 0.012 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".