Peut-on dynamiser le travail des étudiants en Licence ?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 0,002 |
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 découle