Former à la démarche scientifique grâce à la pédagogie active et la formation par la recherche : cas d’une Unité d’Enseignement de chimie expérimentale
Bibliographic record
Abstract
La mise en place d’une démarche scientifique dans un contexte nouveau constitue une compétence que tout étudiant·e universitaire devrait être en mesure de développer. Pour les étudiant·es suivant le parcours de sciences visant à former à des professions en lien avec la recherche, cette compétence constitue même un fondement indispensable. Dans les programmes d’enseignement des sciences, une des activités pédagogiques les plus fréquemment adoptées pour travailler cette compétence reste le travail en laboratoire (i.e. un type de travaux pratiques ; TP). Toutefois, le format de ces TP, souvent orienté vers la vérification, peut en limiter les retombées ou éventuels bénéfices. Un format innovant dans notre contexte d’enseignement a été conçu et appliqué à toute une unité d’enseignement (UE) de TP étendue sur une année, pour 39 étudiant·es de troisième année universitaire (Licence 3 ; L3) de chimie. Ce format intègre les principes de la pédagogie active et de la formation par la recherche. Durant l’année, cinq séquences se succèdent ; chacune comprenant notamment une séance préparatoire, une séance expérimentale en laboratoire et une séance d’échanges en aval. Chacune de ces séquences conduit à la réalisation de travaux de type recherche (e.g. poster scientifique, article scientifique) par les étudiant·es. Afin de mesurer la pertinence relative du dispositif pédagogique mis en œuvre, comparativement aux autres dispositifs proposés dans les autres UEs au programme de la formation de L3 – toutes les UEs visant à développer la démarche scientifique – , un questionnaire auto-rapporté a été distribué aux étudiant·es à la fin de chacun des deux semestres universitaires. Il leur était demandé d’indiquer dans quelle mesure ils estimaient avoir développé, dans chaque UE, la compétence de mettre en œuvre une démarche scientifique en mobilisant des connaissances, des savoir-faire et des façons d’agir propres à celle-ci. En parallèle, ils étaient aussi interrogés sur leur perception d’acquisition de connaissances, de savoir-faire et de façons d’agir liés aux bonnes pratiques de laboratoire et à l’environnement de travail. Afin d’évaluer l’atteinte des différents objectifs d’apprentissage (i.e. différentes étapes de la démarche scientifique), les productions des étudiant·es ont été évaluées au moyen de grilles d’évaluation dont les critères traduisaient ces différents objectifs d’apprentissage. Les résultats indiquent que les étudiants ont la perception d’avoir développé la compétence de mise en œuvre d’une démarche scientifique, et tout particulièrement au travers de notre UE de TP. Par ailleurs, les différents scores attribués par les étudiant·es à notre UE de TP sont significativement supérieurs à ceux attribués à la majorité des autres UEs, sauf en ce qui concerne l’acquisition de savoirs liés à l’environnement de travail où aucune différence n’est retrouvée entre les UEs. Les moyennes académiques particulièrement élevées des productions étudiantes indiquent que les objectifs d’apprentissage ont, selon l’enseignant évaluateur, été atteints. Ainsi, il semblerait possible de former efficacement à la démarche scientifique, en passant par l’application de principes de la pédagogie active et de la formation par la recherche.
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 | 0.034 | 0.060 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.010 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
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".