Le projet Scale-Up : une révolution pédagogique qui nous vient du sud
Bibliographic record
Abstract
Avez-vous déjà entendu parler des travaux de Robert Beichner? Ce pédagogue et professeur de physique de la North Carolina State University est en train de révolutionner la façon d’enseigner. L’article propose une incursion dans le mouvement Active Learning and 21st Century Classroom amorcé par Beichner. Un cours dans la veine du projet Scale-Up (on pourrait traduire ce nom par « Environnement d’apprentissage actif centré sur les étudiants des programmes de premier cycle ») qu’il a mené repose sur une conception socioconstructiviste de l’apprentissage et mise sur une approche collaborative. L’interaction et la collaboration sont au cœur de cette approche. Voilà pourquoi Beichner en est arrivé à revoir en profondeur l’aménagement physique de la classe. L’article présente cet aménagement de manière détaillé. Il s’intéresse aussi à la pédagogie propre à Scale-Up, s’attardant notamment à la manière de constituer les équipes. Cela fait plus de 10 ans que Beichner et son équipe misent sur Scale-Up. Ils ont mesuré et analysé les résultats de cette approche afin d’en évaluer l’efficacité. Les résultats avancés sont très prometteurs. Soulignons enfin que l’article propose aussi un aperçu des adaptations que l’on a faites de Scale-Up dans des collèges québécois.
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 | 0.017 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.005 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.002 | 0.007 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
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".