Le numérique pour l’apprentissage collaboratif : nouvelles interfaces, nouvelles interactions
Notice bibliographique
Résumé
Les systèmes éducatifs, de l'école à l'université, sont confrontés à un contexte de profonds changements qui transforment les pratiques d'enseignement et l'apprentissage formel. Avec l'ambition de permettre aux apprenants d'apprendre, de faire, d'être et de décider individuellement et collectivement, dans un monde complexe en perpétuel mouvement, les institutions encouragent la mise en œuvre d'approches collaboratives. Au cœur de ces enjeux, les technologies numériques voient également leur diversité s'accroître rapidement. Les interfaces de nouvelle génération, telles que les interfaces tangibles, de réalité mixte ou robotiques, modifient les interactions avec les autres et les connaissances en offrant des paradigmes d'interaction Homme-machine différents de ceux offerts par les interfaces écran-clavier-souris. L'objectif de ce cinquième numéro thématique, délibérément interdisciplinaire, est de s'interroger sur l'impact et la place des technologies numériques - y compris celles de nouvelle génération - pour l'apprentissage collaboratif. Les interactions avec le savoir, avec les autres au sein des communautés d'apprentissage ou d'enseignement, les systèmes numériques eux-mêmes sont tour à tour au centre des problématiques des auteurs de ce numéro. Leurs douze contributions, par des approches complémentaires, enrichissent le corpus de connaissances empiriques et méthodologiques. Ils examinent les approches collaboratives entre enseignants, l'engagement à collaborer entre apprenants en présentiel ou à distance, la construction de l'apprentissage qui en résulte, et l'influence des systèmes sur ces derniers. Cela permet d’identifier plusieurs pistes à approfondir dans les travaux à mener sur cette thématique des nouvelles interfaces et interactions numériques pour l’apprentissage collaboratif.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».