Soutenir l’engagement scolaire après la COVID-19 : mise en relation de propositions émises par des élèves québécois avec les principes de flexibilité de la conception universelle de l’apprentissage
Bibliographic record
Abstract
C’est dans un contexte postpandémique que j’ai réalisé une étude qualitative exploratoire visant à mieux comprendre ce qui contribue (ou pourrait contribuer) à l’engagement scolaire des personnes apprenantes, sachant que la pandémie de COVID-19 est venue teinter l’expérience d’apprentissage et le rapport à l’école, et ce, indépendamment des contextes éducatifs. Mobilisant la voix des personnes apprenantes, une série de propositions visant à soutenir l’engagement scolaire a ainsi été constituée (Rousseau et Baril, 2022). Qui plus est, il appert que plusieurs de ces propositions sont en adéquation avec les principes de la conception universelle de l’apprentissage. Ce texte propose donc une mise en relation des propositions des personnes apprenantes avec les principes de la conception universelle de l’apprentissage. La réflexion qui suit la présentation des résultats ouvre la porte sur trois constats à réinvestir en contextes éducatifs.
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 | 0.008 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.019 | 0.024 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.008 | 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".