Enjeux politiques du « tout numérique » à l’école et pouvoir d’agir des enseignants
Bibliographic record
Abstract
Du point de vue des sciences de l’information et de la communication et dans la lignée de l’approche sociocritique proposant d’analyser les usages numériques en éducation au regard de leurs contextes socioculturels de production (Collin et al., 2015 ; Denouël, 2019), nous posons la question de la réalité du pouvoir d’agir de l’enseignant avec les dispositifs sociotechniques dont il dispose et de ce que nous en dit l’épisode « d’éducation à distance d’urgence » (Bozkurt et al., 2020) lié à la pandémie de COVID-19. Cela passe par l’identification des objets techniques réellement mobilisés à des fins d’enseignement. Nous interrogeons les possibilités pédagogiques associées à ces dispositifs : que permettent-ils effectivement ou non de faire, du point de vue des intentions pédagogiques des enseignants? Notre propos s’appuie sur 50 entretiens semi-directifs individuels avec des enseignants de l’école élémentaire en France, récemment équipés par le ministère de l’Éducation. Nos résultats soulignent la forte matérialité technique du travail enseignant, en classe comme à la maison, ainsi que la tendance de nos participants à hypertrophier les potentialités des dispositifs numériques (dans le sens des bénéfices pour l’apprentissage comme dans celui des dangers pour les enfants) au détriment de leur propre créativité pédagogique.
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 | 0.011 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.007 | 0.022 |
| Scholarly communication | 0.014 | 0.010 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.018 | 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".