Etude de l'apprentissage par la lecture d'étudiants en contexte d'apprentissage par problèmes (APP)
Notice bibliographique
Résumé
Cet article présente les résultats d'une recherche descriptive menée auprès d'étudiants en situation d'apprentissage par la lecture. Il décrit les stratégies rapportées par ceux-ci lorsqu'ils lisent pour acquérir des connaissances reliées à leur domaine de formation. Les résultats indiquent que les stratégies utilisées de façon fréquente par la plupart des sujets sont: (1) les stratégies de lecture telles que la modalité de lire partiellement le texte; (2) les stratégies d'encodage et de rappel telles que la prise de notes et la répétition des informations par la relecture; (3) les stratégies d'autorégulation telles que la planification du travail, l'évaluation de la lecture et du texte ainsi que la contrôle des choix de textes; et (4) les stratégies de gestion des ressources telles que la lecture du livre de référence principal dans le domaine et le choix de la matinée comme moment privilégié d'étude. Or, ces stratégies ne sont pas suffisantes pour supposer un apprentissage significatif tel que le définit le cadre de référence de l'apprentissage par la lecture. Cependant, une analyse des stratégies utilisées à une plus faible fréquence pendant la semaine permet de nuancer ces résultats. La conclusion met l'accent sur l'importance de proposer aux étudiants des activités qui leur demandent d'utiliser fréquemment des stratégies efficaces, d'enseigner aux étudiants ces stratégies et de développer le domaine d'étude de l'apprentissage par la lecture.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».