Peut-on dynamiser le travail des étudiants en Licence ?
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Nous présentons dans cet article un retour d’expérience de classe inversée menée auprès d’étudiants de premier cycle universitaire en Sciences de la Vie (deuxième année de Licence; Université Paris-Saclay, France). Dans un contexte d’enseignement où les programmes de biologie sont très chargés, les étudiants sont soumis à une surcharge cognitive importante, associée à des difficultés à trier et à mobiliser les informations, ainsi qu’à un manque de formation à la démarche scientifique. Comment allier la nécessaire assimilation de connaissances, de vocabulaire et de concepts de base et l’acquisition d’habiletés cognitives de niveau supérieur (décrire, analyser, interpréter, représenter, modéliser, relier des faits entre eux…)? Comment, plus généralement, motiver les étudiants, les autonomiser dans leurs apprentissages et dynamiser leur travail? Face à ces questions, notre équipe enseignante expérimente depuis plusieurs années des méthodes de pédagogie active à niveau Master. Nous avons souhaité tester leur applicabilité en Licence où la réussite du plus grand nombre d’étudiants est un enjeu majeur pour l’université, tout en constituant un de ses principaux défis (Annoot, 2012). Dans le but de renforcer motivation, volition et cognition (Houart, 2017), nous avons conçu et déployé pendant deux années consécutives un dispositif pédagogique hybride reposant sur l’alternance de phases d’assimilation à distance et de mises en application en présentiel (Charlier et al., 2006). L’analyse des bénéfices de ce dispositif, menée par le biais de questionnaires soumis aux étudiants, indique une adhésion très forte de leur part à la démarche, une motivation accrue à travailler et un sentiment de progression méthodologique.
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.
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 | 0.005 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 it