Identifier, modéliser et surmonter les obstacles à l’apprentissage
Notice bibliographique
Résumé
L’ouvrage présente différents obstacles qui empêchent, freinent ou… déclenchent l’apprentissage. Dans une perspective résolument constructive, il fournit des pistes pour mieux comprendre et aborder cet enjeu central du métier d’enseignant et de formateur.La première partie de l’ouvrage analyse des obstacles relatifs à l’interaction entre l’apprenant et le savoir. Ces « obstacles épistémologiques » (Bachelard, 1938) ou ces « bottlenecks » (Pace, 2017), inhérents à la construction de l’expertise disciplinaire, représentent des enjeux didactiques majeurs.La deuxième partie se penche sur des obstacles relatifs à l’interaction entre l’enseignant et l’apprenant, qui mettent en évidence l’activité enseignante et ses conséquences sur l’apprentissage.La troisième partie cible des obstacles dont la saisie doit s’envisager dans l’interaction avec un contexte spécifique.Ancré tant dans les didactiques disciplinaires que dans les sciences de l’éducation, l’ouvrage offre des contributions américaines, belges, brésiliennes, canadiennes, françaises, suisses qui abordent tous les niveaux d’enseignement, du primaire à l’enseignement supérieur. Il intéressera chercheurs en éducation, formateurs d’enseignants, concepteurs de prescrits (référentiels, programmes) et auteurs de manuels.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».