Développer le sentiment d’efficacité des élèves par la création d’un C.V. animé, « Skills in live »
Bibliographic record
Abstract
En quoi la création d’un curriculum vitae numérique, incluant des vidéos de gestes professionnels, permet aux élèves de gagner en confiance en eux ? Cette question est traitée via une recherche-action menée dans une classe de seconde professionnelle de la spécialité « Mode », en région parisienne. Dans une première partie les auteurs présentent le contexte d’émergence de leur idée originale de faire produire aux élèves un « Skills in live », dans l’esprit des portfolios de formation et de présentation. Ils décrivent ensuite leur dispositif pédagogique structuré en trois phases, inspirés de travaux québécois : construction d’un projet d’orientation professionnel, édition numérique, création en tant qu’auteur. Enfin, les auteurs présentent le dispositif de recueil de données, composé d’interviews individuels, d’un focus group et d’un questionnaire. Ils concluent sur les effets observés en termes de gain de sentiment d’efficacité (Bandura) et sur les leviers qui ont vraisemblablement permis ces améliorations.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| 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".