Jouer à aider : l’intériorisation des dispositions genrées à aider pendant l’enfance1
Bibliographic record
Abstract
La perception des enfants comme des individus uniquement receveur∙ses de soin a conduit les enquêtes sociologiques à mettre de côté l’analyse de leurs comportements d’aidant∙es. L’apprentissage de l’entraide est pourtant l’un des objectifs de l’école maternelle, qui présuppose alors une socialisation à l’aide dès la petite enfance. À partir d’observations ethnographiques réalisées dans une école maternelle parisienne, cet article s’attache à décrire les mécanismes de socialisation par lesquels les filles intériorisent des dispositions à aider dans le cadre scolaire. Plus particulièrement, il s’agit d’analyser les pratiques ludiques genrées des enfants comme des vecteurs de socialisation à l’aide par l’incarnation des rôles d’« aidés » pour les garçons et d’« aidantes » pour les filles. Les modalités spécifiques des jeux d’imitation pratiqués par les filles conduisent ces dernières à adopter des pratiques d’aide inspirées des figures de la « maman » et de la « maîtresse », qu’elles transposent progressivement au cadre du non-jeu. Ce type de comportements est alors valorisé par les adultes de l’école, incitant les filles à les reproduire quotidiennement dans leurs relations aux autres.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".