Bibliographic record
Abstract
Depuis plusieurs années, les universités utilisent de plus en plus le support vidéo pour assurer des activités d’enseignement de type cours en ligne, hybride, classe inversée et MOOC. Les recherches en enseignement montrent un engouement pour l’intégration des Technologies de l’Information et des Communications (TIC) dans le processus de l’apprentissage. L’utilisation des TIC améliore la motivation des apprenants et les rend plus actifs, ce qui améliore la qualité de l’apprentissage. Plus particulièrement, la vidéo favorise l’apprentissage actif. Cependant, son utilisation reste souvent limitée à la présentation de cours magistraux. Le projet mené propose de concevoir des vidéos pédagogiques pour mieux aider les étudiants sur les aspects méthodologiques du cours. Ces vidéos offrent la résolution de problèmes pratiques dans le cours de statique offert à l’École Polytechnique de Montréal. Ce papier présente les résultats du projet en ce qui concerne l’impact de la vidéo sur la motivation et la qualité de l’apprentissage dans le contexte des travaux dirigés.
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 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.013 | 0.020 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.026 | 0.006 |
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".