30 ans de didactique professionnelle : histoire, héritage et perspective. Journée scientifique organisée par le bureau de l'association Recherches et pratiques en didactique professionnelle (RPDP), avec le soutien de L'AFPA. 30 janvier 2023, Montreuil.
Bibliographic record
Abstract
En 1992, Pierre Pastré introduisait, avec sa thèse de doctorat, le concept de didactique professionnelle. L'idée selon laquelle il est nécessaire d'analyser le travail pour concevoir des formations n'était pas complètement nouvelle, en particulier chez certains rares psychologues du travail ou ergonomes. La didactique professionnelle s'est inscrite d'emblée dans le champ de la formation professionnelle, répondant à une préoccupation ancienne des formateurs, celle du lien entre le travail et la formation.Depuis, la didactique professionnelle a fait son chemin. D'autres courants théoriques ont adopté le même principe de base : l'analyse du travail et de l'apprentissage du travail comme préalables à la formation.La didactique professionnelle a fait évoluer son corpus théorique et méthodologique, elle a aussi étendu le champ des questions et objets auxquels elle a cherché à apporter des réponses.La journée du 30 janvier a pour but de revenir aux origines et à l'histoire de la didactique professionnelle pour en rappeler les éléments constitutifs, dont certains s'avèrent encore bien pertinents aujourd'hui, pour ouvrir des échanges entre jeunes chercheurs et anciens, pour envisager aussi le futur de la recherche et des pratiques pour la formation.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 0.003 |
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".