Parcours pédagogiques sur Claroline: les devoirs à la maison
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
Lâinstanciation de lâusage des nouvelles technologies au regard des sciences de lâéducation nâest efficace que si les pratiques pédagogiques sâadaptent à la nature propre de ces nouveaux outils qui sont aussi avant tout, des médias. Ils ont la potentialité de développer des dispositifs pédagogiques où la motivation et lâinteractivité sont les moteurs de base liés à lâinformation, lâactivité et la production. Cette nouvelle manière dâenseigner peut se révéler particulièrement efficace dans les apprentissages dits, de résolution de problème, collaboratifs et par projet. Cependant, lâinvestissement dans la maîtrise de ces outils est chronophage et peut être un réel frein dans leur usage par les enseignants sâil nâest pas accompagné dans lâacquisition. Si des pays comme le Canada ou la Finlande sont pionniers dans le domaine et si les universités ont généralisés lâusage de ces outils, force est de constater que lâenseignement et notamment le secondaire, en Suisse, est en retard dans ce genre de pratique qui nâest guère institutionnalisée. Pourtant, lâétude de lâoutil CLAROLINE mâa montré que ses fonctionnalités sont particulièrement adaptées à cette manière dâapprendre orienté vers la découverte notamment, à travers les parcours pédagogiques et les travaux à remettre. Cette dernière fonctionnalité étant une possibilité de diagnostic permettant à lâenseignant de faire le point sur sa pratique et de lâévaluer pour la corriger. Lâexpérimentation mâa montré que lâusage dâune plateforme pédagogique permet de diversifier sa pratique, de gérer lâhétérogénéité dâune classe et de développer chez les élèves lâhabitude de chercher lâinformation par eux- mêmes, de créer ensemble du savoir et renforcer ainsi, une capacité à lâautonomie et la confiance en soi qui me semblent être lâessentielle pour apprendre à apprendre.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,012 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,095 |
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