Vivre l’archéologie et l’histoire : un exemple d’apprentissage expérientiel en sciences humaines
Bibliographic record
Abstract
Cet article présente l’apprentissage expérientiel en enseignement des sciences humaines. Les auteurs décrivent deux activités de ce genre qui utilisent des stratégies de jeu dramatique. L’une d’elles donne l’occasion aux apprenants de simuler une fouille archéologique. L’autre permet aux élèves de créer cinq saynètes à l’intérieur d’une histoire structurée, et d’intégrer dans leur contexte historique les objets trouvés pendant la fouille archéologique. Une narration sert de fil conducteur entre les scènes. Or ces deux activités suivent point par point les étapes de l’apprentissage expérientiel décrites par Côté (1998). Ce type d’apprentissage permet aux apprenants de réfléchir à l’exécution d’une tâche, de transmettre le fruit de leur expérience à leurs pairs et de prendre connaissance d’un modèle d’enseignement interactif. Une telle approche pédagogique s’insère dans le courant de la pédagogie différenciée, puisque les activités proposées s’adaptent autant aux apprenants dotés d’une facilité d’apprentissage qu’à ceux qui présentent des difficultés.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.016 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".