L'apprentissage par imitation en danse : une « résonance » constructive ?
Bibliographic record
Abstract
La recherche dont il est question dans cet article a pour but d’étudier l’interaction entre l’enseignant et les étudiants dans la classe technique de danse contemporaine et d’approfondir ainsi la compréhension du mode pédagogique « démonstration-reproduction » traditionnellement utilisé dans l’enseignement de la danse. Nous avons, pour ce faire, réalisé une étude descriptive et comparative de cinq séquences sélectionnées à partir de l’observation de cinq classes de danse données par cinq professeurs expérimentés différents appartenant à deux institutions de formation préprofessionnelle en danse contemporaine à Montréal. L’entrée épistémologique et méthodologique de l’Analyse d’activité nous a permis de décrire et d’analyser les interactions entre l’enseignant et les étudiants en termes de préférences, d’associations et de couplages d’activités, et d’identifier en fin de compte différents styles d’enseignement. Nous avons alors été en mesure de faire ressortir à quelles conditions ce mode pédagogique pouvait favoriser un apprentissage sensible et constructif chez l’étudiant. L’imitation sera envisagée ici, d’une part, dans une perspective biologique, à partir des recherches neuroscientifiques sur les neurones miroirs, et, d’autre part, dans sa nature intentionnelle, telle que définie dans le courant socio-constructiviste.
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 | 0.007 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.018 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".