La planification d’une activité Maker : une planification dynamique et flexible pour répondre aux besoins des élèves
Notice bibliographique
Résumé
L’objectif de ce travail de recherche est d’explorer comment le personnel enseignant conçoit la planification d’une activité de type Maker à l’école. Plus spécifiquement, nous cherchons à comprendre comment il véhicule les trois éléments associés au mouvement Maker retenus par Martin (2015) à savoir les outils numériques, la communauté et la mentalité du fabricant. Cet auteur juge ces éléments essentiels à la pérennité du mouvement en éducation. Ce mouvement, communément appelé « do-it-yourself », rencontre depuis plusieurs années un engouement sans précédent, notamment auprès du personnel enseignant qui s’imprègne de la philosophie Maker en vue de créer de nouveaux environnements d’apprentissage et préparer l’élève au monde du 21e siècle. La diversité des outils orientés Maker (p. ex. Arduino, Scratch ou l’impression 3D) et leurs facilités d’utilisation ont grandement contribué à cet enthousiasme. Dans notre étude, nous avons mené des entrevues auprès d’enseignantes et d’enseignants des écoles de langue française de l’Ontario, précisément de la région d’Ottawa. Notre étude a permis de révéler trois éléments importants dans la planification d’une activité de type Maker : 1) la création d’un esprit de communauté Maker; 2) l’implantation d’une mentalité Maker par les actes; et 3) l’émergence d’une planification dans l’action.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 ».