Développer sa professionnalité grâce à la vidéo 360° : exemple d'un dispositif pour la formation des professeurs documentalistes
Bibliographic record
Abstract
En France, les INSPÉ (Instituts nationaux supérieurs du professorat et de l’Éducation) forment les étudiants aux métiers du professorat, de l’éducation et de la formation. Face à la crise qui touche le recrutement et la formation des enseignants (Devos et Paquay, 2013; Dubet, 2020), l’INSPÉ de l’académie de Bordeaux, en collaboration avec les INSPÉ des académies de Poitiers et de Limoges, expérimente depuis plusieurs mois un dispositif de création de ressources pédagogiques sous forme de vidéos 360°, dans l’objectif de proposer aux futurs enseignants des apprentissages expérientiels, incarnés et situés. Cet article s’appuie sur une étude de cas portant sur la mise en œuvre du dispositif dans la formation des futurs enseignants documentalistes. Il explore les étapes clés, de la conception des contenus à la diffusion des ressources pédagogiques, en passant par la captation immersive à 360° en environnement professionnel. En plus d’analyser les premiers résultats, les potentialités et les limites de ce dispositif, l’article ouvre des pistes de réflexion sur l’impact de la technologie de vidéo 360° sur le plan de l’engagement cognitif, émotionnel et corporel des étudiants, ainsi que sur les dynamiques collaboratives générées par une approche pédagogique innovante.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".