Pour une culture critique des données en éducation au Québec
Bibliographic record
Abstract
Cet article soutient que bien que l’essor des gouvernements et des pratiques de gestion basées sur les données puisse donner l’impression d’une dépolitisation, les données utilisées dans les politiques éducatives et les discours peuvent en réalité dissimuler les aspects idéologiques de ces choix et déposséder les acteurs éducatifs de leur capacité à agir. Dans cet article, sont examinés quelques-uns des processus hautement politiques et idéologiques liés à la quantification des phénomènes humains. Les auteurs montrent quelques-uns des effets de la gouvernance par les données sur l’éducation, la gestion des systèmes d’éducation et la recherche, en donnant des exemples québécois récents. Enfin, ils explorent les conditions dans lesquelles les données peuvent renforcer l’agentivité des acteurs de l’éducation et qui pourraient favoriser une éthique des données et une culture critique lui étant associée.
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".