Proposition d'un cadre d'analyse pour l'étude des pratiques d'apprentissage émergentes
Bibliographic record
Abstract
La pandémie de Covid-19 a permis aux personnes étudiantes d’expérimenter des modalités d’apprentissage différentes (hybrides et/ou à distance, synchrones et/ou asynchrone). Pour beaucoup, cette expérience s’est avérée positive car elle leur a offert une plus grande autonomie dans l’organisation de leurs apprentissage (Granjon, 2021). Depuis, les personnes étudiantes expriment de manière plus directe leurs besoins en matière de flexibilité dans les modalités d’apprentissage (Université Laval, 2022). L’expression de ces besoins peut toutefois prendre différentes formes éloignées de ce qui est prescrit. L’analyse du cas de la Faculté de médecine de l’Université de Genève qui, depuis la rentrée 2022 qui voit les cours magistraux désertés par les étudiants au profit de l’usage massif des enregistrements de cours soutiendra le propos (Peltier, 2023). L’analyse est conduite sous l’angle de la notion de « ligne de désir » qui désigne des « traces de cheminements braconniers en milieu urbain » que les usagers « dessinent » selon leurs besoins en s’appropriant d’autres voies que celles tracées à leur intention par les urbanistes et architectes (Gagnol et al., 2018). Ces formes de « braconnage » (Certeau, 1990) traduisent le vécu de l’expérience d’apprentissage et entraînent différentes réponses et ajustements institutionnels entre acceptation et répression.
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 | 0.009 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.016 |
| Scholarly communication | 0.019 | 0.017 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.014 | 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".