Bibliographic record
Abstract
À l’automne 2023, Marie-Michèle Sioui, correspondante parlementaire du journal Le Devoir à Québec, a révélé au grand public l’existence d’un comité sur les résultats scientifiques et le milieu scolaire (CRSMS). Créé par le ministère de l’Éducation du Québec (MEQ) en 2021, ce comité avait pour mandat de lui fournir des avis ad hoc et confidentiels sur les enjeux prioritaires de l’éducation. Le fonctionnement de ce comité inévitablement opaque avait un caractère plus ou moins démocratique, puisque l’on confiait à quelques spécialistes le soin de proposer des orientations en éducation alors que celles-ci, compte tenu des enjeux qu’elles comportaient, auraient normalement fait l’objet d’un large débat sociétal. Il ne semble pas y avoir eu de réactions vives à ce propos de la part des collègues des facultés des sciences de l’éducation (FSÉ) alors que le ministère de l’Éducation faisait en quelque sorte fi de leurs expertises. Cela tient peut-être au fait que le rapport du CRSMS a été peu lu, alors qu’il ne proposait rien de moins que de généraliser l’usage des données probantes en éducation et la création de l’Institut national d’excellence en éducation (INEE). Mais sur quelles bases ces recommandations ont-elles été formulées ? L’analyse montrera non seulement que ces bases sont extrêmement fragiles, mais aussi, que le discours du CRSMS fait la promotion d’un crédo pédagogique inspiré de l’idéologie scientiste.
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 | 0.018 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.016 | 0.031 |
| Scholarly communication | 0.022 | 0.009 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.007 | 0.012 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
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".