Rendez-vous sur les classes d’apprentissage actif : première partie
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Présentation en 3 parties : 1) Présentation du projet de recherche sur les CLAAC. 2) Scénariser une activité d’apprentissage actif : l’apport de la recherche. Dans notre recherche sur les classes d’apprentissage actif, des activités ont été décrites dans des scénarios comprenant des informations clés sur la formation et le fonctionnement des équipes, les objectifs pédagogiques, la production des étudiants, le matériel utilisé, l’évaluation, etc. Nous mettrons en relation les caractéristiques des scénarios avec les indicateurs de motivation, d’engagement et d’efficacité du travail d’équipe obtenus auprès des étudiants. Les caractéristiques ayant eu les plus grands effets seront ensuite explicitées en utilisant les données d’entrevue et de vidéos. 3) Un scénario d’apprentissage actif motivant. Dans la recherche sur les conditions d’efficacité des classes d’apprentissage actif, l’analyse des résultats présentée précédemment a permis d’identifier des scénarios d’apprentissage efficaces sur le plan de l’engagement et de la motivation des étudiants. Nous présenterons un scénario d’apprentissage efficace en en faisant ressortir les caractéristiques. Ce scénario sera comparé à un scénario moins efficace.
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.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,237 | 0,005 |
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 découle