Étude comparative des performances académiques d’étudiants exposés à une classe inversée ou traditionnelle : Méthodologie et résultats préliminaires
Notice bibliographique
Résumé
La classe inversée gagne sans cesse en popularité depuis quelques années et des études montrent que les étudiants obtiennent généralement de meilleurs résultats académiques lorsqu’ils sont exposés à une classe inversée comparativement à une classe traditionnelle. Cependant, un aspect qui n’a pas vraiment été pris en compte jusqu’à présent concerne le temps que les étudiants consacrent à leurs apprentissages. En effet, certaines études soulèvent la possibilité que les meilleures performances académiques des étudiants exposés à une classe inversée soient la conséquence d’une charge de travail accrue, et non celle de la stratégie pédagogique proprement dite. Dans le but d’alimenter la littérature scientifique de données probantes sur cette question, une étude a été réalisée dans un cours obligatoire du programme de génie mécanique de l’École de technologie supérieure. Le cours a été simultanément offert à deux groupes distincts en conservant identique un maximum d’éléments comme les évaluations, le matériel pédagogique et le personnel enseignant. En fait, la seule différence entre les deux groupes est la stratégie pédagogique employée lors des séances de cours théoriques, soit une classe inversée pour un groupe et classe traditionnelle pour l’autre. Tout au long de la session, des données ont été collectées, notamment les évaluations faites par le professeur ainsi que le temps consacré aux études autodéclaré hebdomadairement par les étudiants. Une analyse préliminaire des résultats indique que les performances académiques des étudiants sont similaires entre les deux classes, mais qu’une différence émerge au niveau du temps consacré aux études. En effet, les étudiants ayant une moyenne cumulative élevée ont consacré moins de temps à leurs apprentissages dans la classe inversée, contrairement aux étudiants ayant une faible moyenne cumulative. En considérant les notes et le temps consacré aux études, les étudiants ayant une forte moyenne cumulative ont donc été plus efficaces dans la classe inversée, tandis que ceux ayant une faible moyenne cumulative l’ont été dans la classe traditionnelle.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».