Parcours pédagogiques sur Claroline: les devoirs à la maison
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Lâinstanciation de lâusage des nouvelles technologies au regard des sciences de lâéducation nâest efficace que si les pratiques pédagogiques sâadaptent à la nature propre de ces nouveaux outils qui sont aussi avant tout, des médias. Ils ont la potentialité de développer des dispositifs pédagogiques où la motivation et lâinteractivité sont les moteurs de base liés à lâinformation, lâactivité et la production. Cette nouvelle manière dâenseigner peut se révéler particulièrement efficace dans les apprentissages dits, de résolution de problème, collaboratifs et par projet. Cependant, lâinvestissement dans la maîtrise de ces outils est chronophage et peut être un réel frein dans leur usage par les enseignants sâil nâest pas accompagné dans lâacquisition. Si des pays comme le Canada ou la Finlande sont pionniers dans le domaine et si les universités ont généralisés lâusage de ces outils, force est de constater que lâenseignement et notamment le secondaire, en Suisse, est en retard dans ce genre de pratique qui nâest guère institutionnalisée. Pourtant, lâétude de lâoutil CLAROLINE mâa montré que ses fonctionnalités sont particulièrement adaptées à cette manière dâapprendre orienté vers la découverte notamment, à travers les parcours pédagogiques et les travaux à remettre. Cette dernière fonctionnalité étant une possibilité de diagnostic permettant à lâenseignant de faire le point sur sa pratique et de lâévaluer pour la corriger. Lâexpérimentation mâa montré que lâusage dâune plateforme pédagogique permet de diversifier sa pratique, de gérer lâhétérogénéité dâune classe et de développer chez les élèves lâhabitude de chercher lâinformation par eux- mêmes, de créer ensemble du savoir et renforcer ainsi, une capacité à lâautonomie et la confiance en soi qui me semblent être lâessentielle pour apprendre à apprendre.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.002 |
| Scholarly communication | 0.003 | 0.012 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.048 | 0.095 |
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 it