Les usages des ressources pédagogiques numériques par les étudiants de 1er cycle universitaire
Bibliographic record
Abstract
Rares sont les enquêtes sociologiques qui analysent l’influence de la discipline, entendue comme « matrice disciplinaire » (Lahire, 1998), dans la structuration et la différenciation des pratiques étudiantes. Pourtant, la matrice disciplinaire est déterminante en ce qu’elle est une instance de socialisation qui structure les manières d’étudier. Ces enquêtes mettent pourtant en évidence un usage différencié des ressources pédagogiques selon la discipline (notes de cours, photocopies, articles, ouvrages…). Ce qui n’est pas sans intérêt : focaliser son attention sur les conditions d’appropriation des ressources pédagogiques prend une acuité particulière quand on sait qu’il s’agit in fine des conditions d’appropriation des savoirs disciplinaires, lesquelles sont déterminantes dans la réussite ou non des cursus universitaires. Cependant, ces enquêtes ont été menées à des moments où ce qu’il est convenu d’appeler aujourd’hui le « numérique », et notamment le numérique pédagogique, n’était pas ou peu développé, surtout à l’université. Quelle est alors l’influence du numérique sur ces logiques disciplinaires? Seraient-elles dépassées par le numérique? L’article interroge en creux les logiques par lesquelles les dispositifs et contenus numériques sont pensés à l’université : une offre qui ferait l’économie d’une analyse des principes de différenciation internes à l’université ne serait-elle pas vouée à n’avoir qu’un impact limité?
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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; both teacher heads agree on what is shown here.
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".