L’apprentissage expansif : important réalisme ou séduisante utopie?
Bibliographic record
Abstract
À la manière d’une réponse aux enjeux structurels auxquels est confronté l’école aujourd’hui, deux paradigmes s’opposent, l’un visant l’amélioration (Bryk, 2015) et l’autre la transformation (Engeström, 2017) des systèmes éducatifs. Cette seconde orientation, qui s’appuie sur le cadre conceptuel de la théorie de l’activité (Engeström, 1987), suppose la survenue d’un apprentissage expansif au cœur de cette transformation qualitative, seul processus d’apprentissage, en pratique pour Engeström (2001), véritablement en mesure de s’attaquer aux contradictions profondément enracinées dans les systèmes pour mieux les surmonter. Au coeur de cet article qui prend les traits d’une revue narrative, le potentiel de la transformation, par le biais de l’apprentissage expansif (AE) qui la caractérise, est étudié dans le but d’en évaluer le réalisme en contexte d’opérationnalisation concrète dans les milieux. Pour ce faire, un portrait global de l’AE est proposé, incluant un détour vers ses fondements théoriques, lequel concept est ensuite contextualisé à l’aune d’exemples réels d’application, enfin critiqué sous l’angle entre autres de ses limites méthodologiques. En résulte un constat mitigé, qui propose de voir l’apprentissage expansif, en dehors du spectre qui la considère entre réalisme et utopie - du reste tout en sortant de l’idéalisme, c’est-à-dire tout en affirmant les défis de taille auxquels son implantation et son actualisation font face - comme un passage obligé ou inévitable, une nécessité pour l’école de demain et eu égard aux enjeux à plusieurs faces qui en ébranlent présentement les colonnes.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.046 |
| Scholarly communication | 0.012 | 0.016 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| 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".