Vivre l’archéologie et l’histoire : un exemple d’apprentissage expérientiel en sciences humaines
Notice bibliographique
Résumé
Cet article présente l’apprentissage expérientiel en enseignement des sciences humaines. Les auteurs décrivent deux activités de ce genre qui utilisent des stratégies de jeu dramatique. L’une d’elles donne l’occasion aux apprenants de simuler une fouille archéologique. L’autre permet aux élèves de créer cinq saynètes à l’intérieur d’une histoire structurée, et d’intégrer dans leur contexte historique les objets trouvés pendant la fouille archéologique. Une narration sert de fil conducteur entre les scènes. Or ces deux activités suivent point par point les étapes de l’apprentissage expérientiel décrites par Côté (1998). Ce type d’apprentissage permet aux apprenants de réfléchir à l’exécution d’une tâche, de transmettre le fruit de leur expérience à leurs pairs et de prendre connaissance d’un modèle d’enseignement interactif. Une telle approche pédagogique s’insère dans le courant de la pédagogie différenciée, puisque les activités proposées s’adaptent autant aux apprenants dotés d’une facilité d’apprentissage qu’à ceux qui présentent des difficultés.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,016 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».