Bibliographic record
Abstract
Ces documents fournissent un cadre complet pour la planification et la mise en œuvre de cours comodal, où les personnes étudiantes peuvent participer de manière simultanée en présentiel ou à distance. Les guides sur l'accompagnement à l'enseignement comodal détaillent les préparatifs nécessaires avant le début du cours et les stratégies d'animation pour le personnel enseignant et les personnes étudiantes. Les deux gabarits de planification complètent ce guide:• Le gabarit de macroplanification présente un tableau structuré pour organiser l'ensemble du cours en modules, avec des colonnes pour les cibles d'apprentissage, les contenus, et les activités spécifiques pour chaque modalité (présentiel, synchrone à distance, asynchrone)• Le gabarit de microplanification offre un format détaillé pour planifier chaque séance individuelle, divisé en sections (introduction, déroulement, conclusion) avec des instructions précises sur le rôle de l'enseignant, des étudiants et des auxiliaires dans chaque activitéLa liste des bonnes pratiques pour réussir une séance comodale est un résumé de ces ressources.Ces ressources mettent l'accent sur l'équité entre les différentes modalités de participation, la préparation technologique adéquate, et l'importance d'adapter les stratégies pédagogiques pour maintenir l'engagement de toutes les personnes étudiantes, quelle que soit leur modalité de participation. L'ensemble constitue un guide pratique pour le personnel enseignant qui doit naviguer dans ce format d'enseignement comodal qui demande une attention particulière à l'intégration et à l'interactivité.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.147 | 0.074 |
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".