Expérimentation de classe inversée en classe préparatoire intégrée
Bibliographic record
Abstract
Cet article a pour but de prsenter un retour d'exprience sur le modle de classe inverse que nous avons instaur et ralis auprs d'tudiants de premire anne de la classe prparatoire intgre Polytech Marseille partir de 2012, mais galement de 2017 au sein de la classe prparatoire intgre de l'cole d'ingnieurs ESAIP sur le campus d'Aix-en-Provence.En effet, les diffrentes rformes rencontres ces dernires annes et les mauvaises mthodes de travail des lycens ne facilitent pas le passage dans le suprieur.C'est pour cela qu'en tudiant diffrents travaux sur la classe inverse et mthodes pdagogiques innovantes, nous avons construit notre modle de classe inverse et cet article a pour but d'tudier en quoi la classe inverse peut reprsenter une solution de remplacement intressante au systme pdagogique actuel.L'absence de cours classiques et de correction d'exercices, l'augmentation du nombre d'valuations et l'utilisation d'outils numriques reprsentent la mthode que nous avons applique nos classes.Les rsultats obtenus sont trs encourageants, car nous avons pu augmenter le niveau de difficult des exercices en classe et amliorer galement le taux de russite des tudiants en les initiant en mme temps au travail de groupe.Cette exprimentation nous permettra de montrer en quoi le modle de classe inverse est en adquation pdagogique avec le systme actuel.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 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".