"Classi in Rete" nelle piccole scuole. Innovare attraverso lezioni condivise in(pluri)classi aperte e isolate.
Notice bibliographique
Résumé
L’articolo presenta il modello didattico Classi in Rete, che è stato sperimentato in Québec e si basa sul concetto pedagogico di classe come Knowledge Building communities. Il modello è stato portato per la prima volta in Italia nel contesto delle piccole scuole abruzzesi. Seguendo un approccio metodologico di tipo design-based research (Sandoval, 2014) questo lavoro presenta i risultati di un percorso che ha visto il coinvolgimento di 23 docenti (14 della scuola primaria e 7 della scuola secondaria di primo grado) e 183 studenti (129 della primaria e 54 della secondaria di primo grado). Nello specifico questo lavoro è finalizzato a comprendere se l’esperienza con Classi in rete ha favorito un cambiamento nelle prassi e nelle strategie didattiche dei docenti, e quali elementi occorre tenere presente per un suo miglioramento. Il lavoro di analisi poggia sui dati di una indagine quantitativa strutturata volta a comprendere l’impatto che il modello ha avuto nelle classi sperimentali in termini di collaborazione, interdisciplinarietà, riorganizzazione dei tempi e degli spazi di lavoro, e su una analisi qualitativa basata su focus group con i docenti e le loro classi costruiti a partire dall’individuazione di dimensioni di indagine inerenti la propensione al cambiamento nella didattica, già presenti in letteratura.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,006 |
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 ».