La recherche collaborative pour favoriser l’innovation sociale : l’exemple de l’actualisation du profil de sortie des élèves
Bibliographic record
Abstract
L’innovation sociale en éducation est essentielle pour relever les défis actuels, comme le développement des compétences citoyennes dans un monde en constante évolution (Scott, 2015). Le profil de sortie représente une piste prometteuse pour permettre aux milieux scolaires d’accompagner cette transformation car il regroupe les compétences, les connaissances, les attitudes et les valeurs que les élèves doivent développer à la fin de leur parcours, au-delà des savoirs traditionnels. Cet article présente le récit d’une recherche collaborative menée avec un centre de services scolaires au Québec souhaitant actualiser son profil de sortie incluant six compétences (vivre-ensemble, pensée critique, engagement, adaptation, prise de décision, communication). Le projet a réuni 41 professionnels de l’éducation et 14 chercheurs séparés dans six chantiers (un par compétence), et a donné lieu à 36 entretiens de discussion (six par chantier) qui ont permis : (1) de définir les composantes du profil et d’identifier leurs manifestations observables; (2) d’élaborer des échelles de niveaux de compétence; et (3) de concevoir des outils pour soutenir leur développement chez les enfants et les jeunes. Portant sur le premier objectif, et s’appuyant sur les données issues de questionnaires, de comptes-rendus et de journaux de bord, cet article propose le récit du déroulement de la recherche dans chaque chantier afin de retracer la dynamique de co-construction des savoirs. Il souhaite ainsi montrer comment le processus collaboratif a permis de répondre aux besoins concrets du terrain, afin de participer à une transformation éducative à portée sociale dans un esprit d’innovation sociale.
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 | 0.066 | 0.064 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.025 | 0.031 |
| Scholarly communication | 0.024 | 0.011 |
| Open science | 0.003 | 0.022 |
| Research integrity | 0.006 | 0.009 |
| Insufficient payload (model declined to judge) | 0.011 | 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".