La classe inversée ou la réorganisation de l'espace-temps dans la dualité des paradigmes "Enseigner/apprendre"
Bibliographic record
Abstract
Cette communication vise à montrer comment les technologies de l’information et de la communication facilitent la mise en œuvre d’une pédagogie centrée sur l’apprenant, prenant en compte les dimensions de l’espace-temps dans sa formation. Le paradigme d'enseignement doit laisser plus de place au paradigme d'apprentissage où les aspects pédagogiques qu’ils soient transmissifs, formatifs ou immersifs ne peuvent être dissociés de l’organisation des différentes activités qu’elles se déroulent en présentiel ou à distance. Dans cet article, nous expliquerons comment le concept de classe inversée a permis d’optimiser le temps de formation en favorisant l’interaction et les échanges humains. On n'apprend plus uniquement seul chez soi mais on apprend ensemble en classe. Nous verrons aussi comment les technologies numériques de rapid learning, de quiz et/ou de jeux sérieux et l’usage de tablettes permettent de construire des modules de formation couvrant les différents aspects pédagogiques. Les expériences de classe inversée déjà menées dans des établissements scolaires et universitaires, en particulier aux Etats-Unis, au Canada et en Belgique, font leur apparition en France. Nous décrirons la mise en œuvre de ce concept ou plutôt de cette philosophie d’enseignement/apprentissage dans le cadre de modules en licence. Nous verrons comment l’usage de tablettes en classe prend sa place dans ce dispositif pour en améliorer l’interaction.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.012 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".