Les effets des situations d'enseignement et des visées personnelles de la formation sur les stratégies cognitives des étudiantes et étudiants de l'Université de Sherbrooke
Bibliographic record
Abstract
Certains écrits scientifiques proposent que les étudiants adaptent volontairement leurs stratégies d'apprentissage en fonction de la tâche d'apprentissage anticipée. D'autres écrits indiquent qu'elles ne varient pas entre contextes d'apprentissage, mais qu'elles sont ancrées sur la motivation et la personnalité de l'étudiant. La présente recherche visait à illustrer l'effet de cinq situations d'enseignement universitaires (Étude de cas, Apprentissage par problème, Apprentissage par projets, Séminaire de lecture et Atelier) sur l'utilisation des stratégies cognitives (Stratégies d'élaboration, organisation et de sélection de l'information principale) par les étudiants. Dans un deuxième temps, la recherche tentait de vérifier l'effet des visées personnelles de formation (Performer mieux en emploi, avoir un bon emploi, se développer personnellement ou suivre le parcours de formation normal) sur les stratégies cognitives. Les résultats indiquent que les cinq situations d'enseignement suscitent l'usage fréquent des trois stratégies cognitives, la stratégie de sélection de l'information principale étant celle utilisée avec plus de fréquence.
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 | 0.008 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".