Sur les chemins des récits de vie en sciences de l’éducation : intégration interdisciplinaire et rapport aux savoirs
Bibliographic record
Abstract
Les approches biographiques en sciences de l’éducation sont largement déployées. Initialement employées en histoire, en anthropologie et en sociologie, les méthodes biographiques étaient valorisées notamment parce qu’elles permettent le recueil de « matériau » de choix ainsi que la réalisation d’études de terrains qui ne peuvent être explorés à fond par d’autres méthodes. En sciences de l’éducation, leurs contributions diversifiées s’étendent autant en recherche qu’en formation. Elles ont montré la complémentarité entre théorie et pratique et elles sont favorables à l’intégration interdisciplinaire. Dans cette contribution, je présenterai d’abord des voies empruntées en employant des récits de vie en sciences de l’éducation, autant en recherche qu’en formation. Je présenterai par la suite quelques exemples qui montrent leur intégration dans des approches interdisciplinaires. Si les approches biographiques mobilisées en histoire, en littérature et en sciences de l’éducation partagent les formes narratives et convoquent la mémoire, des distinctions sont à prendre en compte. Dans la dernière partie, je convoquerai le rapport aux savoirs sous les axes épistémologique, axiologique et praxéologique afin de réfléchir à ces distinctions. Cette réflexion aboutit au dégagement de trois considérations dans la mise en œuvre de précautions d’usage. En conclusion, j’exprimerai le point de vue qui explique que les approches biographiques en sciences de l’éducation manifestent une « insubordination » en recherche, une promotion de la démocratie, qui passe par la démocratisation des savoirs, ainsi qu’une valorisation de la diversité des modes de vie.
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 | 0.017 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.011 | 0.025 |
| Scholarly communication | 0.018 | 0.016 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 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".