8 découvertes de la recherche pour booster vos performances

En intégrant un cursus universitaire scientifique exigeant ou sélectif, vous découvrirez que les méthodes de travail que vous avez adoptées durant le secondaire ne sont plus adaptées à ce nouvel environnement. Que ce soit en raison de la complexité des matières ou de la façon particulière dont elles sont enseignées, vous aurez besoin d'apprendre différemment, et surtout, de façon beaucoup plus efficace.

Mais comment faire le tri dans les innombrables conseils, souvent contradictoires, que chacun ne manquera pas de vous donner ? Quelles sont les méthodes de travail qui fonctionnent vraiment ? Au travers d'exemples pratiques et d'activités concrètes, ce livre vous guidera pas à pas dans l'assimilation de 8 habitudes d'apprentissage dont l'efficacité a été démontrée par les résultats de la recherche scientifique. Depuis l'organisation de votre temps jusqu'à la préparation de vos examens, en passant par les techniques de prise de note ou de résolution de problèmes, vous pourrez non seulement auto-évaluer vos méthodes de travail, mais également et surtout découvrir comment les optimiser. Lire la suite Fermer

 

THIS BOOK IS AVAILABLE ON AMAZON / By modeling pedagogical scenarios as directed geometrical graphs and proposing an associated modeling language, this book describes how rich learning activities, often designed for small classes, can be scaled up for use with thousands of participants. With the vertices of these graphs representing learning activities and the edges capturing the pedagogical relationship between activities, individual, team, and class-wide activities are integrated into a consistent whole. The workflow mechanisms modeled in the graphs enable the construction of scenarios that are richer than those currently implemented in MOOCs. The cognitive states of learners in two consecutive activities feed a transition matrix, which encapsulates the probability of succeeding in the second activity, based on success in the former. This transition matrix is summarized by a numerical value, which is used as the weight of the edge. This pedagogical framework is connected to stochastic models, with the goal of making learning analytics more appealing for data scientists. However, the proposed modeling language is not only useful in learning technologies, it also allows researchers in learning sciences to formally describe the structure of any lesson, from an elementary school lesson with 20 students to an online course with 20,000 participants.

  Lire la suite Fermer