Les intelligences multiples :: une aide motivationnelle pour les enfants en difficulté des classes d’introduction
Notice bibliographique
Résumé
Après avoir cherché de quelle manière on pouvait aider les élèves en difficulté à entrer dans les apprentissages de manière différente ou autrement, je me suis penchée sur la théorie des intelligences multiples d’Howard Gardner. Cette méthode intéresse les enseignants qui savent que les enfants n’apprennent pas tous de la même manière. Elle est bien moins connue en Suisse qu’au Canada où fleurissent de nombreuses écoles et recherches pédagogiques. Il me semblait important d’expérimenter cette pratique dans le but de pouvoir l’utiliser à l’avenir dans mon enseignement. Ce travail de mémoire consiste à comprendre comment la manière d’enseigner peut influencer, au travers d’activités spécifiques, la motivation des élèves d’une classe d’introduction. Après la détermination d’un profil d’intelligences de quatre élèves et la mise en place d’un dispositif varié sur les intelligences multiples (IM), j’ai ensuite observé la manière dont les élèves restaient motivés lors séquences sur la représentation du temps en 3e année Harmos. Les résultats ont montré que certaines hypothèses posées ont pu être validées puisque certains élèves perdaient leur motivation lorsqu’ils travaillaient dans des activités qui ne mobilisaient pas leur intelligence préférentielle.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 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 ».