Association d'un SPOC au tutorat par les pairs dans une Approche d’apprentissage hybride Étude de Cas à l'ESEF de Berrechid
Bibliographic record
Abstract
Cet article présente une expérience éducative intégrant un SPOC à l’approche de tutorat par les pairs dans un modèle hybride visant à préparer les futurs enseignants du primaire aux compétences numériques (TICE). Une formation en ligne via le SPOC forme les ‘experts qui viennent tutorer leurs camarades ‘novices’ lors des séances en classe sous la supervision de l'enseignant. L'objectif de l'étude est d'évaluer l'efficacité de cette approche sur quatre aspects clés : le niveau des compétences numériques, le degré d'engagement dans les activités d'apprentissage, l’usage de l'apprentissage autorégulé et la collaboration entre pairs. Pour cela, une méthodologie quasi expérimentale a été adoptée, comparant un groupe expérimental (n=26) à un groupe contrôle (n=28). Les résultats, évalués par divers instruments de mesure avant et après l'intervention, ont été analysés à l'aide d'un test t d'échantillons indépendants et d'une ANOVA à mesures répétées. Bien que les résultats ne révèlent pas de différences statistiquement significatives en ce qui concerne l'apprentissage autorégulé, les autres aspects étudiés ont montré des améliorations significatives, avec des écarts notables entre le groupe expérimental et le groupe contrôle.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".