MétaCan
Menu
Back to cohort
Record W4391758745 · doi:10.7202/1109252ar

Transformer les réalités vécues en savoirs à partager : quand les usagers-entraineurs deviennent acteurs de la formation en travail social

2024· article· fr· W4391758745 on OpenAlexaffabout
Annie Lambert, Laurence Scalabrini, Maxime-Édouard Crête, Alexandre Roberge, Karine Huppé, Émilie Pothier-Tessier, Julie Doyle, Dominique Dufour

Bibliographic record

VenueIntervention · 2024
Typearticle
Languagefr
FieldSocial Sciences
TopicSocial Sciences and Governance
Canadian institutionsCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de Sherbrooke
Fundersnot available
KeywordsHumanitiesPolitical scienceSociologyPhilosophy

Abstract

fetched live from OpenAlex

Depuis plusieurs années, la pédagogie universitaire en travail social s’ouvre à l’implication des usagers et au recours à leurs savoirs expérientiels, laissant place à des pédagogies qui favorisent le croisement des savoirs. Depuis 2015, l’École de travail social de l’Université de Sherbrooke déploie différents projets à ce niveau s’appuyant sur le concept de réduction de la distance qui promeut des relations égalitaires et la reconnaissance des savoirs de chacun. Notre article s’inscrit comme un récit de pratique appuyé sur les réflexions et les analyses des différents acteurs impliqués et illustré par les propos des personnes usagères participantes. Il permet d’exposer les principes et modalités de nos projets et leur valeur ajoutée dans la formation des étudiantes. Dans un contexte de mouvance et de questionnement du travail social, rendre compte de nos projets nous porte à soulever des pistes de réflexion permettant de défendre l’idée que la transformation des réalités vécues par les usagers en savoir à partager aux futures travailleuses sociales est un incontournable pour les formations universitaires actuelles.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.832
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.059
GPT teacher head0.369
Teacher spread0.311 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2024
Admission routes2
Has abstractyes

Explore more

Same venueInterventionSame topicSocial Sciences and GovernanceFrench-language works237,207