Conception d'apprentissage pour la co-agence enseignant-élève dans les espaces hybrides
Bibliographic record
Abstract
Cet article est une réflexion sur la conception d'apprentissage hybride axée sur la co-agence entre enseignants et étudiants. La question de recherche est la suivante : comment la conception de l'apprentissage avec la technologie pourrait-elle tirer parti de l'hybridité de l'environnement d'apprentissage et de la co-agence des enseignants et des étudiants pour l'apprentissage post-pandémique ? Pour répondre à cette question, nous examinons les publications académiques pour des études connexes afin de dériver d'éventuels principes de conception d'apprentissage post-Covid pour répondre à la question de recherche. Conformément à l'objectif de bridging hybridity, nous nous appuyons sur des études impliquant différentes technologies émergentes dans deux contextes différents : la France et Singapour. Les implications pour l'hybridité, la co-agence et les zones de possibilité sont analysées. La discussion met l'accent sur la transformation virtuelle, matérielle et agentique dans la conception d'apprentissage hybride pour une conception d'apprentissage post-pandémique.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.017 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".