Conflits et apprentissages perçus par les étudiant∙es durant une approche par projets (APR) interdisciplinaire en enseignement supérieur
Bibliographic record
Abstract
La littérature soutient que l’approche par projets (APR), un modèle d’enseignement où l’apprentissage des contenus disciplinaires s’effectue par la réalisation d’un projet souvent de manière collaborative menant à une production concrète (Krajcik et Shin, 2022), favorise l’apprentissage comparativement à des méthodes d’enseignement plus traditionnelles. Toutefois, l’état actuel des connaissances ne fait pas consensus quant au développement d’habiletés de collaboration induit par cette approche. Aussi, si les causes des conflits intraéquipes lors de travaux collaboratifs sont bien documentées, peu d’études expliquent les actions entreprises par les étudiant∙es pour les résoudre et l’influence de ces conflits sur les apprentissages. Ainsi, cette étude qualitative expose les stratégies de résolution de conflits utilisées par des étudiant∙es pour résoudre des conflits intraéquipes principalement causés par des cas de paresse sociale durant une APR interdisciplinaire. Les résultats montrent que, malgré les conflits, de nombreux apprentissages sont autorapportés, permettant d’explorer des liens entre conflits et apprentissages. La discussion suggère que l’intensité des émotions influence le choix des stratégies de résolution. Il est également proposé de mieux accompagner les équipes pour soutenir une collaboration efficace.
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 | 0.028 | 0.051 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".