MétaCan
Menu
Retour à la cohorte
Enregistrement W4390636931 · doi:10.4000/ripes.5176

Peut-on dynamiser le travail des étudiants en Licence ?

2023· article· fr· W4390636931 sur OpenAlexaff
François Agnès, Diane Leduc, Morgane Locker

Notice bibliographique

RevueRevue internationale de pédagogie de l’enseignement supérieur · 2023
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesUniversité Paris-Saclay
Mots-clésHumanitiesSociologyArt

Résumé

récupéré en direct d'OpenAlex

Nous présentons dans cet article un retour d’expérience de classe inversée menée auprès d’étudiants de premier cycle universitaire en Sciences de la Vie (deuxième année de Licence; Université Paris-Saclay, France). Dans un contexte d’enseignement où les programmes de biologie sont très chargés, les étudiants sont soumis à une surcharge cognitive importante, associée à des difficultés à trier et à mobiliser les informations, ainsi qu’à un manque de formation à la démarche scientifique. Comment allier la nécessaire assimilation de connaissances, de vocabulaire et de concepts de base et l’acquisition d’habiletés cognitives de niveau supérieur (décrire, analyser, interpréter, représenter, modéliser, relier des faits entre eux…)? Comment, plus généralement, motiver les étudiants, les autonomiser dans leurs apprentissages et dynamiser leur travail? Face à ces questions, notre équipe enseignante expérimente depuis plusieurs années des méthodes de pédagogie active à niveau Master. Nous avons souhaité tester leur applicabilité en Licence où la réussite du plus grand nombre d’étudiants est un enjeu majeur pour l’université, tout en constituant un de ses principaux défis (Annoot, 2012). Dans le but de renforcer motivation, volition et cognition (Houart, 2017), nous avons conçu et déployé pendant deux années consécutives un dispositif pédagogique hybride reposant sur l’alternance de phases d’assimilation à distance et de mises en application en présentiel (Charlier et al., 2006). L’analyse des bénéfices de ce dispositif, menée par le biais de questionnaires soumis aux étudiants, indique une adhésion très forte de leur part à la démarche, une motivation accrue à travailler et un sentiment de progression méthodologique.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,007
Communication savante0,0150,010
Science ouverte0,0020,007
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0200,005

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,386
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue internationale de pédagogie de l’enseignement supérieurMême sujetInnovative Teaching MethodsTravaux en français237 207