Éducation et inclusion à l'épreuve du numérique
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
<b>Sommaire</b><br /><i>Éditorial</i><br /><i>Éducation et inclusion : les migrations à l’épreuve du numérique</i> – Dossier coordonné par Émilie Remond, Fathallah Daghmi et Stéphanie Gobet<br />— Développement de la compétence phonologique en FLE avec le numérique : étude de cas pratique – Oskar Korczyński<br />— Vers une intégration sociale inclusive : rôle des outils numériques – Cendrine Mercier<br />— Accès au(x) droit(s) des étrangers et numérique au prisme du site du Défenseur des droits Approche juridique – Marie-Françoise Valette<br />— L’inclusion numérique dans la politique publique : l’exemple de la ville de Poitiers – Emmanuelle Vareille<br /><i>Varia</i><br />— Digitalisation des enseignements au Cameroun : enjeux, adéquation et faisabilité – Gisèle Piebop<br />— Des membres de la communauté portugaise de Montréal (Canada) se penchent sur l’état et l’avenir de leurs médias – Farrah Bérubé, Luís LM Aguiar et Carlos Teixeira<br />— La communication scientifique au XXIe siècle : enjeux et représentations des chercheurs – Cheikh Ndiaye, Aminata Cissé et Félicité Métonou<br /><i>Expérience de recherche</i><br />— La bibliographie matérielle en France et en nouvelle-France Les métamorphoses d’hier et d’aujourd’hui, le passage du papier à l’écran, une aventure d’abord humaine avant d’être technologique. Entre copiage, complémentarité et remplacement – Éric Le Ray
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.
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 | 0.012 | 0.004 |
| 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 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.007 |
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 it