Développer sa professionnalité grâce à la vidéo 360° : exemple d'un dispositif pour la formation des professeurs documentalistes
Notice bibliographique
Résumé
En France, les INSPÉ (Instituts nationaux supérieurs du professorat et de l’Éducation) forment les étudiants aux métiers du professorat, de l’éducation et de la formation. Face à la crise qui touche le recrutement et la formation des enseignants (Devos et Paquay, 2013; Dubet, 2020), l’INSPÉ de l’académie de Bordeaux, en collaboration avec les INSPÉ des académies de Poitiers et de Limoges, expérimente depuis plusieurs mois un dispositif de création de ressources pédagogiques sous forme de vidéos 360°, dans l’objectif de proposer aux futurs enseignants des apprentissages expérientiels, incarnés et situés. Cet article s’appuie sur une étude de cas portant sur la mise en œuvre du dispositif dans la formation des futurs enseignants documentalistes. Il explore les étapes clés, de la conception des contenus à la diffusion des ressources pédagogiques, en passant par la captation immersive à 360° en environnement professionnel. En plus d’analyser les premiers résultats, les potentialités et les limites de ce dispositif, l’article ouvre des pistes de réflexion sur l’impact de la technologie de vidéo 360° sur le plan de l’engagement cognitif, émotionnel et corporel des étudiants, ainsi que sur les dynamiques collaboratives générées par une approche pédagogique innovante.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».