Bibliographic record
Abstract
Depuis 1985, Ulric Aylwin publie, dans le bulletin Pédagogie du collège de Maisonneuve, de courts textes sous le titre « La différence qui fait la différence ».Au dire de l'auteur, ces propos « n'ambitionnent rien d'autre que de faire ressortir certains détails qui peuvent faire la différence entre l'insuccès et la réussite pédagogique ».Au fil des ans, Ulric Aylwin a abordé de nombreux sujets dont l'enseignement des concepts, la correction des copies d'examens, l'évaluation sommative et formative, la motivation, les stratégies pédagogiques, la prise de notes, etc.L'AQPC publiera, au trimestre prochain, l'ensemble de ces textes.D'ici là, nous en présenterons quelques-uns dans les pages de Pédagogie collégiale.Les examens sont pour l'enseignant des occasions privilégiées d'inciter les élèves à faire une révision complète de la matière concernée, dans l'espoir que cette révision permettra une assimilation en profondeur.Pour atteindre ce but, plusieurs ruses pédagogiques peuvent être proposées -voire imposées -aux élèves.En voici quelques-unes. Sélection des donnéesDans les cas où une certaine documentation est permise dans la salle d'examen, annoncer aux élèves que le seul document qui sera autorisé sera une fiche 5 x 8 1/2 (ou 3 x 5) sur laquelle ils auront eu le loisir de consigner le maximum d'informations jugées par eux les plus importantes. Création de questionsDemander aux élèves de remettre au professeur, trois ou cinq jours avant l'examen, une liste de 10 (ou 15 ou 20) questions couvrant l'essentiel de chaque partie de la matière.
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 | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.010 | 0.018 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.038 | 0.007 |
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".