L’enseignement Supérieur : Défis et Paradoxes
Bibliographic record
Abstract
Dans un contexte exceptionnel, nous accueillons, dans ce numéro de notre revue, les travaux de recherche d’un groupe, international et francophone, de chercheurs en Education de 8 pays et de 4 continents qui s’est mis en place en 2020. Ce groupe, ouvert, identifié par l’acronyme EDRAC (Education, Recherches et Actualités) est au départ composé d’experts de 4 continents : Antonio Alanis Huerta, CAMM Morelia (Mexique), Florentin Azia, Université Pédagogique Nationale, Kinshasa (RDC), Lise Bessette, UQAM (Canada), Marilene Corrêa, UFAM (Brésil), Sylvie Didou Aupetit, CINVESTAV (Mexique), Louis Marmoz, (UVSQ, France), Georges Nahas, Université Saint-Joseph (Liban), Georges Stamelos, Université de Patras (Grèce), Mathias Szpirglas, Université Gustave Eiffel (France) et V. Attias-Delattre Université Gustave Eiffel (France), présidente de l’AFIRSE et responsable de la coordination scientifique du projet. Les membres du groupe EDRAC ont initié différentes actions collectives de recherche : l’organisation d’un forum international « Visions et Illusions du Virtuel en Période de Confinement » (juin 2020) et d’un symposium » (janvier 2021). Ces actions ont été réalisées en distanciel sous la forme de débats de discussions entre les membres du groupe EDRAC et les participants. A partir de novembre 2020, en liens avec le projet de l’UNESCO L’éducation du futur, le groupe EDRAC a coordonné une contribution sur l’Enseignement Supérieur du Futur. Ce travail a permis de réunir des études, des présentations de recherches et des compte-rendu d’expériences concernant l’Enseignement supérieur francophone. Il s’agissait alors de produire et d’articuler des réflexions, pas encore des travaux de recherche au sens traditionnel du terme.
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 | 0.042 | 0.110 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.010 | 0.047 |
| Scholarly communication | 0.027 | 0.046 |
| Open science | 0.004 | 0.019 |
| Research integrity | 0.012 | 0.009 |
| Insufficient payload (model declined to judge) | 0.012 | 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".