Des pratiques de contextualisation : des indices d’euristiques de la pensée historienne sont-ils perceptibles dans des travaux d’historiens patentés ? Une étude de cas à partir d’articles québécois récents
Bibliographic record
Abstract
Cette étude examine les fondements de l’enseignement basé sur le modèle de la pensée historienne, une approche répandue aux États-Unis et censée améliorer les compétences de pensée critique des élèves. La pensée historienne englobe les questions que les historiens se posent (appelées euristiques) pour donner un sens au passé d’après ses traces. Développé à partir d’observations d’experts devant résoudre un problème imposé en exploitant un corpus de sources primaires prédéterminé, ce modèle suppose que les pratiques préconisées pour les novices, telle la contextualisation, reflètent l’épistémologie et la pratique de référence. Cependant, un examen d’articles de revues spécialisées indique que, bien qu’ils y expliquent comment ils ont constitué leur corpus, ces experts ne donnent pas d’indices de leurs euristiques. Cette constatation appelle à la circonspection quant à l’efficacité didactique apparente des pratiques d’enseignement dérivées de ce modèle. Elle suggère la nécessité de le réviser en se fondant sur l’observation d’historiens engagés dans leurs propres recherches, voire d’une réflexion préalable sur les conditions cognitives spécifiques à la mise en œuvre d’une enquête par des élèves en classe d’histoire.
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 | 0.008 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.006 | 0.008 |
| Science and technology studies | 0.005 | 0.012 |
| Scholarly communication | 0.015 | 0.016 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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 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".