Analyse de la pratique d'un formateur en développement dans le cadre du processus de mûrissement de l'acteur par l'entraînement intensif du corps et de la voix
Bibliographic record
Abstract
Ce document témoigne de l'analyse de ma pratique de formateur en développement dans le cadre du processus de mûrissement de l'acteur par l'entraînement intensif du corps et de la voix. En utilisant la forme du récit chronologique, je fais un retour sur ma recherche-formation où je me suis placé comme praticien chercheur en position d'analyse dite à la première personne. À l'aide d'outils d'analyse de pratique que j'emprunte à la psychopédagogie, je tente de formaliser et de théoriser le vécu de ma pratique, laquelle s'inspire directement des ateliers d'entraînement du Théâtre de Recherche le Contre-courant à Québec, des ateliers de maître dirigés par Richard Nieoczym, ainsi que des principes de Grotowski et de la via negativa. En auscultant la réalité et les enjeux intrinsèques de mon agir, j'élucide une problématique majeure dans mon rôle de formateur : la nécessité de développer la capacité à accompagner l'acteur dans un cheminement qui agit essentiellement sur le plan personnel. Je parle alors de la présence du formateur dans l'espace-temps sacré du processus de mûrissement de l'acteur.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".