Les effets du coenseignement sur l’apprentissage d’élèves de collège
Bibliographic record
Abstract
Une Professeure de collège (PLC) et une Professeure spécialisée (PES) voulant mesurer l’efficacité de leur action pédagogique conjointe ont mené une étude sur deux groupes d’élèves de 6e, l’un bénéficiant de coenseignement PLC-PES, l’autre bénéficiant d’un enseignement classique (uniquement PLC). Toutes choses étant égales par ailleurs, elles ont montré que les résultats scolaires après une séquence d’enseignement-apprentissage étaient meilleurs pour les élèves ayant bénéficié du coenseignement. L’analyse des séances révèle que le coenseignement favorise l’engagement des élèves et leur maintien dans l’activité en apportant une aide plus ciblée aux difficultés qu’ils rencontrent et en renforçant leur sentiment de compétence.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| 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; a candidate call from one teacher head, 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".