Bibliographic record
Abstract
I l est beaucoup plus facile de préparer les élèves à notre passé qu'à leur avenir.En effet, les écoles sont par nature des systèmes sociaux conservateurs.En tant que parents, nous sommes inquiets lorsque nos enfants apprennent des choses que nous ne comprenons pas, et plus inquiets encore lorsqu'ils n'étudient plus les choses qui avaient tant d'importance pour nous.Les enseignants sont plus à l'aise lorsqu'ils enseignent comme on leur a enseigné quand ils étaient eux-mêmes élèves, et comme on leur a appris à enseigner aux élèves.Et s'il arrive aux politiciens de perdre des élections sur des questions liées à l'éducation, il est rare que ces questions les portent au pouvoir, parce qu'il faut bien plus qu'un mandat pour que les intentions donnent des résultats.Tenter de changer la bureaucratie scolaire donne l'impression de déplacer des montagnes.Il est souvent difficile de compter sur l'aide des uns et des autres, car les défenseurs du statu quo sont légion.Le plus grand risque qui pèse aujourd'hui sur l'école, ce n'est pas d'être inefficace, c'est que notre façon d'enseigner perde son but et sa pertinence.Et à une époque où tout s'accélère, être plus lent à s'adapter peut rendre les systèmes d'éducation inertes et les désorienter.Les professionnels de l'éducation se tournent souvent vers les systèmes d'éducation est-asiatiques qui ont rapidement amélioré leurs performances et affichent désormais des résultats d'apprentissage à la fois élevés et équitables.Selon certains, de tels résultats ne peuvent pas être reproduits dans les pays occidentaux, car le contexte, tant culturel qu'éducatif, est différent.Pourtant, comme le montrent les bons résultats du Canada dans l'enquête PISA, la réussite éducative relève plus de ce qu'on fait que de l'endroit d'où l'on vient.Dans la dernière enquête PISA,
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.337 | 0.195 |
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; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
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".