Le Groupe de Recherche sur l’Écoformation (GREF) et sa collection comme moyen de pollinisation écoformative.
Bibliographic record
Abstract
L’article se centre sur un survol historique des productions écrites du Groupe de recherche en écoformation (GREF) depuis trente ans. La première partie présente les quatre ouvrages, avec les quatre environnements : aérien, aquatique, terrestre et feu vécu. Ils s’imposèrent progressivement presque naturellement comme matrice cosmique à apprendre à vivre, dans le prolongement des grandes traditions des cultures premières. Retour anachronique ou réapprentissage d’un inconscient écologique refoulé ? Mais le GREF est aussi une collection. La seconde partie explore les derniers ouvrages de cette collection Écologie et formation, fondée au début des années 2000. Ils concernent des innovations écoformatrices en formation scolaire initiale, formation professionnelle, formation agricole et même formation continue des retraités. Mais l’écoformation reste encore à la très grande périphérie des théories et pratiques éducatives dominantes. La partie 3 présentera les avantages de cette position-frontière. Elle expose plus frontalement aux effervescences de mouvements transdisciplinaires et éco-citoyens militant pour une redéfinition des rapports aux environnements locaux, mais aussi mondiaux, Nord/Sud, Orient/Occident.
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 | 0.014 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.004 |
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".