Développer les stratégies d’apprentissage et le raisonnement clinique à l’aide d’un wiki : une étude de cas
Bibliographic record
Abstract
Cette recherche porte sur l’utilisation d’un wiki auprès d’étudiants de niveau collégial en soins infirmiers. Longitudinale et de nature mixte à forte composante qualitative, cette recherche a pour objectif général de comprendre l’évolution des stratégies cognitives et métacognitives de huit étudiants (étude multicas) au cours des trois premiers trimestres de la formation. L’étude a permis de répertorier les stratégies d’apprentissage utilisées dans des situations de transfert ainsi que dans un contexte de résolution de problèmes à l’aide d’un wiki. Dans cet article, les résultats de deux cas sont contrastés. Le premier cas suggère qu’une certaine autonomie dans la régulation des apprentissages (stratégie métacognitive) est de nature à favoriser une compréhension optimale (monitoring) des différents concepts et, par le fait même, à influencer positivement la capacité de transfert. Le deuxième cas illustre plutôt l’absence de stratégies métacognitives telles que lemonitoringet la régulation, ce qui influence négativement la prise de décision en situation de transfert. Dans les deux cas, des lacunes liées aux stratégies cognitives de haut niveau, comme la discrimination et la pensée critique, ont été relevées. Enfin, l’étude suggère qu’un usage combiné du wiki et du rappel stimulé (protocole verbal à la suite de la situation de transfert) s’avère une avenue prometteuse pour les recherches futures et pour l’enseignement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.041 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".