Inverser la classe : effets sur la formation de futurs enseignants
Notice bibliographique
Résumé
Dans le cadre d’une formation universitaire initiale en enseignement secondaire, un dispositif de classe inversée a été expérimenté dans un cours portant sur l’évaluation des apprentissages. Structuré selon un mode plutôt traditionnel, le temps de classe était, dans ce cours, principalement consacré aux apprentissages conceptuels tandis que les apprentissages pratiques étaient réalisés en dehors de la classe. À partir de l’hypothèse qu’une pédagogie active et différenciée serait souhaitable pour soutenir les apprentissages procéduraux visés par ce cours, nous avons décidé d’intégrer des capsules d’autoformation en ligne portant sur les concepts, afin de pouvoir davantage accompagner les apprentissages procéduraux des étudiants en classe. Le contexte d’enseignement et d’apprentissage initial a donc été « hybridé » par l’introduction de matériel d’autoapprentissage disponible à distance en mode asynchrone. La problématisation de la situation et l’analyse de l’expérimentation réalisées s’inscrivent dans l’approche Scholarship of Teaching and Learning (SoTL) et le partage d’expertises requises pour le développement du nouveau dispositif de formation s’appuie sur le modèle Technological Pedagogical and Content Knowledge (TPaCK). En vue de bénéficier de cette expérimentation pour enrichir notre enseignement, et considérant la nécessité de recueillir des données probantes et scientifiquement valides pour la viabilité du dispositif de formation du type « classe inversée », notre démarche pédagogique était accompagnée d’une démarche de recherche visant à décrire les modalités d’appropriation des ressources technopédagogiques par les étudiants et à caractériser la dynamique présentielle du point de vue de la formatrice qui a mis à l’essai le dispositif.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».