L’apprentissage de la citoyenneté sociale : une dimension négligée à l’école ? Une comparaison France/Québec
Bibliographic record
Abstract
L’éducation à la citoyenneté est devenue un enjeu incontournable des systèmes éducatifs français et québécois. Cependant, la dimension sociale de la citoyenneté semble être négligée et source de malentendus pour les acteurs/trices de l’éducation. Les contextes pluriculturels de ces deux nations expliquent-ils, seuls, les différences de mise en œuvre de l’éducation à la citoyenneté sociale ? Cet article vise à répondre à cette question en analysant les conceptions d’enseignant-es français-es et québécois-es de la mise en œuvre de l’apprentissage de la citoyenneté sociale. Il met en relation les enjeux relatifs à cette notion, au travers des normes liées à la citoyenneté et du concept de lien social et de régime d’attachement mis à jour par Serge Paugam (2023). Pour ce faire, cette étude se base sur l’étude de documents institutionnels et sur des entretiens semi-directifs réalisés auprès d’enseignant-es concerné-es par la citoyenneté sociale dans leur discipline (histoire-géographie, éducation morale et civique, économie et gestion, histoire et citoyenneté, éthique et culture religieuse, éducation financière) que ce soit en lycées généraux technologiques et professionnels en France et en écoles secondaires au Québec.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.011 | 0.013 |
| Scholarly communication | 0.011 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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.
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".