Le contexte de la pandémie mondiale comme possible source d’innovation : apprentissage expansif et résolution de contradictions
Notice bibliographique
Résumé
The closure of schools caused by the COVID-19 pandemic has caused a great deal of concern in educational circles. Indeed, students no longer had access to traditional education in schools. Teachers had to adapt quickly to the new emergency measures and teach remotely, in virtual mode. In addition to having to learn a variety of digital tools, they were under pressure in terms of the quality of their teaching and the supervision of students. The unusual and uncertain climate caused by the pandemic has therefore led several actors in the school community to reflect on their practice to improve the educational experience of students for the future return to class. This mandatory change in pedagogical strategy represents a challenge likely to create tensions among teachers who have decided to use new, more student-centered pedagogical approaches. This article, anchored in the third generation of activity theory, is based on a systematic review of the literature, and analyzes how the challenges generated by virtual teaching have been able to promote the expansive learning of teachers. This review of the literature suggests possible contradictions representing the four levels established by Engeström (2001) and proposes steps likely to lead to a sustainable transformation of the activity. In conclusion, it argues that the resolution of the contradictions experienced by teachers will promote both the transformation of their teaching practices as well as their adaptation to the new virtual reality.
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 | 0,024 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,045 |
| Communication savante | 0,030 | 0,022 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».