La pédagogie universelle dans l’enseignement postsecondaire : un état de la question
Bibliographic record
Abstract
Bien que les cégeps et les universités offrent des mesures d’accommodements individuels à la population étudiante diagnostiquée, nombre de ces besoins échappent aux services d’accessibilité. Le corps professoral doit tenir compte de cette situation dans les classes tout en maintenant ses exigences (Desmarais, 2019). Pour aider leurs collègues à relever ce défi complexe, la communauté de recherche se penche de plus en plus sur les applications de la pédagogie universelle (désormais PU) en éducation postsecondaire. Afin de rendre compte de ce corps scientifique émergent en français, nous livrons dans cet article un état de la question portant sur les perceptions des communautés enseignante et apprenante en matière de PU, ainsi que sur la formation à l’enseignement et sur la mise en oeuvre des principes de la PU dans les milieux postsecondaires francophones. Nous rapportons cinq études revues par des pairs conduites au Québec ou en France et présentons les défis, pratiques gagnantes et besoins identifiés empiriquement pour mettre en oeuvre cette approche pédagogique. Enfin, nous dressons un portrait des besoins en matière de recherche empirique sur les apports et les limites de la PU pour le secteur collégial et universitaire francophone.
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 | 0.016 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.019 | 0.031 |
| Scholarly communication | 0.013 | 0.011 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.007 | 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".