Desarrollo de competencias en experiencias de aprendizaje-servicio remoto. Percepción de futuros docentes
Notice bibliographique
Résumé
El 2020, debido a la pandemia COVID-19, demandó grandes y apresurados procesos de adaptación a la sociedad, que se extendieron a instituciones de educación superior. Por la dificultad que implicó que los estudiantes accedieran a contextos auténticos que permitieran el desarrollo de competencias, una de las metodologías afectadas fue el aprendizaje-servicio. Este estudio mixto de diseño secuencial con estatus dominante cualitativo buscó analizar cómo perciben estos actores el desarrollo de competencias durante la experiencia de aprendizaje-servicio vivida en formato remoto durante el confinamiento. Con este fin, se utilizó un cuestionario y entrevistas semiestructuradas. Participaron 41 estudiantes de pedagogía que cursaron alguna asignatura con metodología de aprendizaje-servicio remoto. Se presenta una triangulación de métodos cuyos principales resultados son concordantes y muestran que la experiencia se percibe como favorable para el desarrollo de competencias, que beneficia procesos formativos vinculando teoría y práctica en entornos auténticos apoyados por tecnologías digitales. Las competencias desarrolladas están asociadas al trabajo autónomo, al trabajo en equipo, a competencias comunicativas y capacidad reflexiva. Se concluye que el uso remoto de la metodología de aprendizaje-servicio constituye una oportunidad para desarrollar competencias y ampliar las posibilidades de aprendizaje incluso ante limitaciones de espacio-tiempo.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».