Mieux réussir dans les filières scientifiques en première année d’université ? Un dispositif pédagogique d’accompagnement différencié, analysé comme appui immédiat pour des étudiant·es en situation d’échec
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
En France, malgré une baisse du niveau en sciences, le nombre de néo-bachelier·es ne cesse d'augmenter. Au-delà de la massification au Supérieur, la diversité de profil et l’hétérogénéité de niveau des étudiant.es de première année se renforcent depuis la réforme du baccalauréat de 2019. Cela contribue au fort taux d'échec en première année. À l'Université de Versailles-Saint-Quentin, les étudiant·es en échec à l’issue du premier semestre universitaire (S1) rejoignent un semestre 2 (S2) spécifique pour re-travailler exclusivement trois unités d’enseignement (UE) du S1 (programme identique mais format pédagogique pouvant varier). Pour les UEs de chimie et de physique, un « dispositif d’accompagnement différencié et personnalisé », s’inscrivant dans une pédagogie active et inclusive est proposé. Un total de 83 étudiant·es en situation d’échec et de 131 étudiant·es en parcours régulier (UE de chimie uniquement) ont pu expérimenter ce dispositif. A l’aide d’un devis quasi-expérimental et de questionnaires auto-rapportés, l’impact de ce dispositif sur l’estime de soi, le sentiment de compétence et la perception des difficultés a été évalué. Chez les étudiant.es en échec, l’augmentation du sentiment de compétence est significative, accompagnée d’une amélioration notable des performances académiques. Ce dispositif semble donc encourageant en termes d’accompagnement vers la réussite.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle