MétaCan
Menu
Back to cohort
Record W4404001628 · doi:10.21432/cjlt28608

Déroulement et retombées de projets bricoleur (maker) à l’élémentaire : une revue de la portée

2024· article· fr· W4404001628 on OpenAlexaffvenue
Megan Cotnam-Kappel, Alison Cattani-Nardelli, Sima Neisary, Patrick Labelle

Bibliographic record

VenueCanadian Journal of Learning and Technology · 2024
Typearticle
Languagefr
FieldComputer Science
TopicTeaching and Learning Programming
Canadian institutionsUniversity of Ottawa
Fundersnot available
KeywordsHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Le mouvement bricoleur (maker) connaît une popularité croissante dans les écoles du monde entier, mais la recherche, en particulier en français, est encore à un stade émergent. Cet article propose une revue de la portée des projets bricoleur dans les salles de classe de la 4e à la 8e année (secondaire 2) à l’échelle internationale, qui vise à analyser leurs descriptions, le déroulement, les outils utilisés et les retombées sur les élèves et le personnel enseignant. Sur 1 900 études initialement recensées et 68 articles scientifiques retenus aux fins d’analyse, l’étude définit trois phases principales des projets bricoleur : 1) l’inspiration et la préparation, 2) la mise en œuvre et la réalisation, et 3) la présentation et la recontextualisation, et elle souligne l’équilibre entre les outils numériques et physiques dans les études du corpus. Elle examine aussi les retombées sur les élèves à travers les dimensions affectives, sociales, disciplinaires et métacognitives, ainsi que sur le personnel en ce qui a trait aux dimensions pédagogiques, affectives et sociales. Des exemples de projets bricoleur disciplinaires, interdisciplinaires et transdisciplinaires sont présentés, illustrant l’ampleur et le potentiel du mouvement bricoleur. Ces résultats sont essentiels pour renforcer la formation enseignante, en s’appuyant sur les recommandations issues de recherches récentes, afin de favoriser la conception et l’intégration de projets bricoleur dans les salles de classe.

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 distilled prediction

Teacher imitation

Not 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.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesResearch integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.961
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0040.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0000.003
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.012
GPT teacher head0.286
Teacher spread0.274 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2024
Admission routes2
Has abstractyes

Explore more

Same venueCanadian Journal of Learning and TechnologySame topicTeaching and Learning ProgrammingFrench-language works237,207