Conflits et apprentissages perçus par les étudiant∙es durant une approche par projets (APR) interdisciplinaire en enseignement supérieur
Notice bibliographique
Résumé
La littérature soutient que l’approche par projets (APR), un modèle d’enseignement où l’apprentissage des contenus disciplinaires s’effectue par la réalisation d’un projet souvent de manière collaborative menant à une production concrète (Krajcik et Shin, 2022), favorise l’apprentissage comparativement à des méthodes d’enseignement plus traditionnelles. Toutefois, l’état actuel des connaissances ne fait pas consensus quant au développement d’habiletés de collaboration induit par cette approche. Aussi, si les causes des conflits intraéquipes lors de travaux collaboratifs sont bien documentées, peu d’études expliquent les actions entreprises par les étudiant∙es pour les résoudre et l’influence de ces conflits sur les apprentissages. Ainsi, cette étude qualitative expose les stratégies de résolution de conflits utilisées par des étudiant∙es pour résoudre des conflits intraéquipes principalement causés par des cas de paresse sociale durant une APR interdisciplinaire. Les résultats montrent que, malgré les conflits, de nombreux apprentissages sont autorapportés, permettant d’explorer des liens entre conflits et apprentissages. La discussion suggère que l’intensité des émotions influence le choix des stratégies de résolution. Il est également proposé de mieux accompagner les équipes pour soutenir une collaboration efficace.
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 | 0,028 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 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 ».