Étude comparative des performances académiques d’étudiants exposés à une classe inversée ou traditionnelle : Méthodologie et résultats préliminaires
Bibliographic record
Abstract
La classe inversée gagne sans cesse en popularité depuis quelques années et des études montrent que les étudiants obtiennent généralement de meilleurs résultats académiques lorsqu’ils sont exposés à une classe inversée comparativement à une classe traditionnelle. Cependant, un aspect qui n’a pas vraiment été pris en compte jusqu’à présent concerne le temps que les étudiants consacrent à leurs apprentissages. En effet, certaines études soulèvent la possibilité que les meilleures performances académiques des étudiants exposés à une classe inversée soient la conséquence d’une charge de travail accrue, et non celle de la stratégie pédagogique proprement dite. Dans le but d’alimenter la littérature scientifique de données probantes sur cette question, une étude a été réalisée dans un cours obligatoire du programme de génie mécanique de l’École de technologie supérieure. Le cours a été simultanément offert à deux groupes distincts en conservant identique un maximum d’éléments comme les évaluations, le matériel pédagogique et le personnel enseignant. En fait, la seule différence entre les deux groupes est la stratégie pédagogique employée lors des séances de cours théoriques, soit une classe inversée pour un groupe et classe traditionnelle pour l’autre. Tout au long de la session, des données ont été collectées, notamment les évaluations faites par le professeur ainsi que le temps consacré aux études autodéclaré hebdomadairement par les étudiants. Une analyse préliminaire des résultats indique que les performances académiques des étudiants sont similaires entre les deux classes, mais qu’une différence émerge au niveau du temps consacré aux études. En effet, les étudiants ayant une moyenne cumulative élevée ont consacré moins de temps à leurs apprentissages dans la classe inversée, contrairement aux étudiants ayant une faible moyenne cumulative. En considérant les notes et le temps consacré aux études, les étudiants ayant une forte moyenne cumulative ont donc été plus efficaces dans la classe inversée, tandis que ceux ayant une faible moyenne cumulative l’ont été dans la classe traditionnelle.
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 | 0.020 | 0.067 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.029 | 0.004 |
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".