Problématiser le rôle de la technique et de l’individuation pour faire face aux enjeux de numérisation des situations d’enseignement dans une perspective de Lifelong learning
Bibliographic record
Abstract
Le travail dans le champ de la formation des enseignants se numérise et l’accès facilité aux intelligences artificielles génératives ouvrent de nouveaux possibles. Les transformations induites sont analysées en se référant à la situation d’un établissement qui s’est engagé dans un projet visant à inscrire la formation continue des enseignants dans une perspective de Lifelong learning. Cette contribution montre l’utilité de problématiser les transformations induites par l’activité technique en recourant à une approche stieglérienne. Cette problématisation nous pousse à prendre en compte le développement tant sur le plan des individus (cette approche met en garde contre l’abrutissement de l’individu), des collectifs (cette approche met en évidence le risque d’individualisme lorsque la technique isole les individus et court-circuite ou contraint les processus de délibération collective) et des techniques (cette approche permet de penser l’appropriation des techniques par les individus et les collectifs pour qu’ils puissent rester capables de participer à la définition de l’environnement qui structure leurs pratiques). À partir d’un cas portant sur une formation de master, cette contribution met en évidence comment cette problématisation permet d’orienter la conception de situations de formation dans une perspective de Lifelong learning.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.019 |
| Scholarly communication | 0.011 | 0.012 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 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".