Apports et limites d'une communauté d'apprenants au développement des compétences professionnelles des étudiants d'un cours universitaire de 3D
Bibliographic record
Abstract
Ce projet de recherche se situe à mi-chemin entre celui de l’éducation et de la création 3D. Un sérieux questionnement a émergé en rapport avec le décrochage scolaire, la réorientation scolaire ou encore les problèmes d’insertion professionnelle en lien avec le domaine de la 3D à l’université. Le métier d’artiste 3D est très compétitif et force les étudiants à performer. C’est pourquoi nous portons un bref regard sur les métiers en lien avec la 3D. Nous nous sommes ensuite demandé comment contribuer à réduire les problèmes de décrochage, de réorientation ou d’insertion professionnelle. Nous avons donc décidé d’implanter une communauté d’apprentissage auprès d’étudiants dans ce domaine à partir de sept jalons bien distincts. Une expérimentation a été menée auprès de deux groupes classes en formation 3D à l’Université du Québec en Abitibi-Témiscamingue. La réalisation de leur projet final s'est faite en communauté d’apprenants. L’objectif principal de la recherche est de connaître les apports et les limites de la communauté d’apprenants pour le développement des compétences professionnelles des étudiants en 3D. Une entrevue de groupe a été menée auprès de 10 étudiants pour la récolte des données. L’analyse des données de la recherche révèle 17 apports et sept limites.
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 | 0.016 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.008 | 0.006 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".