Caractériser les spécificités de l’apprentissage intergénérationnel à travers un atelier pilote en contexte universitaire
Notice bibliographique
Résumé
Notre société segmentée par l'âge offre peu de possibilités d'interactions intergénérationnelles authentiques. Cela contribue aux stéréotypes et préjugés envers les personnes de tous âges, particulièrement les adultes aînés. Pour favoriser une société plus inclusive et lutter contre l'âgisme, un changement de paradigme sociétal devient nécessaire. À partir d'une recherche basée sur la conception et l'apprentissage intergénérationnel, nous avons cherché à mieux caractériser ces apprentissages afin de développer des formations spécifiques pour les appuyer. Basé sur un questionnaire préliminaire (n=79), nous avons conçu un atelier pilote (français/anglais) avec huit adultes aînées et huit jeunes adultes au cours duquel les participants ont dû réaliser en binôme une vidéo sur TikTok. Nos résultats indiquent que l'apprentissage intergénérationnel doit se fonder sur une pédagogie active, les activités et les objectifs pédagogiques doivent être multiples pour être réalisées en binômes intergénérationnels, le format doit permettre de développer une relation de confiance et l'évaluation doit être personnelle.
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 ».