Dix critères inspirés de Paulo Freire pour l’étude et la conception de jeux à visée de conscientisation
Bibliographic record
Abstract
Selon Paulo Freire (1971), la conscientisation est un processus d’apprentissage collectif visant à faire émerger chez les individus une réflexion critique à travers une praxis. Basée sur la pédagogie et la conscientisation des opprimé·es, la philosophie freirienne de l’action peut aider à mettre en lumière le potentiel de conscientisation du jeu et à déterminer les critères qui définissent un jeu de conscientisation. Cet article vise ainsi à répondre à cette question en développant un modèle pour définir des jeux à visée de conscientisation à partir de dix critères inspirés de la philosophie de Freire. Pour ce faire, dans un premier temps, un bref retour historique sur les racines philosophiques et politiques de la conscientisation chez Freire permettra de soulever certaines caractéristiques propres à une conscience critique. Par la suite, des études sur les jeux à visée de conscientisation seront présentées afin de colliger des éléments structurants de ce type de jeux. Ce travail permettra ensuite de proposer une définition basée sur dix critères qui circonscrivent les jeux à visée de conscientisation. Puis, ce modèle sera appliqué à trois exemples de jeux afin de démontrer son opérationnalité. Finalement, l'article se conclura en démontrant la cohérence de l’articulation entre la philosophie freirienne et les jeux à visée de conscientisation, particulièrement dans un contexte de cocréation de jeux tel qu’un game jam.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.006 | 0.022 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.009 |
| Insufficient payload (model declined to judge) | 0.007 | 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".