L’effet de contextes en situation d’interaction éducative : dialogue, collaboration et apprentissages
Bibliographic record
Abstract
Cet article contribue aux travaux portants sur l’effet de contextes comme moteur d’apprentissage. Un effet de contextes est un événement cognitif provoqué par la confrontation de deux contextes internes, au cours d’une séquence de travail collectif impliquant des apprenants vivant dans des contextes géographiques/culturels différents. Notre premier objectif est de caractériser et d’opérationnaliser le concept d’effet de contextes, à partir de l’analyse des interactions verbales entre deux groupes d’élèves issus du Québec et de la Guadeloupe, et confrontés au même objet d’étude. Le second objectif est de comprendre comment les scénarios pédagogiques basés sur les effets de contextes engagent les élèves à co-élaborer des connaissances dans le dialogue. L’étude repose sur l’analyse de trois Séquences avec Effet de Contextes (SEC). Les résultats montrent que l’effet de contextes émerge à travers des questions qui visent à mettre en perspective l’objet d’étude dans l’un ou l’autre contexte. L’effet de contextes évolue sous la forme d’un partage de connaissances contextuelles, ou bien il constitue un malentendu entre les élèves et provoque un débat qui doit être perçu et résolu pour devenir constructif. Ces deux modalités impliquent des processus discursifs variés (explication versus argumentation). Nous proposons de définir l’effet de contextes comme la négociation dialoguée du sens des représentations sur les contextes, qui est favorable au développement de connaissances à la fois contextuelles et expertes sur l’objet d’étude. Nous discutons des implications pour la conception de scénarios pédagogiques.
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 | 0.005 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".