Modélisation et automatisation des procédés d’écriture et de production de supports de formation numérisés - Le modèle M.A.Ï.HEU.T.I.C. de la CCI de Paris
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cet article expose les conclusions d’un projet de recherche de la Direction de l’Enseignement de la Chambre de Commerce et d’Industrie de Paris (CCIP), mené de 2003 à 2005, dont l’aboutissement est un modèle didactique de production de contenus de cours numérisés, baptisé M.A.Ï.HEU.T.I.C.[[ M.A.Ï.HEU.T.I.C. : Modèle Appliqué d’Interprétation Heuristique des Technologies de l’Information et de la Communication.]]. Ce modèle recherche l’efficacité formative par une articulation didactique des contenus, dont la mise en espace pertinente sur la page-écran de l’ordinateur est performative de l’intentionnalité pédagogique de l’enseignant/auteur du support. Le modèle est fondé sur : -* une structuration logique entre le fond et la forme des contenus sur la base des principes de « l’ingénierie documentaire »; -* une méthodologie d’écriture des contenus fondée sur les apports de la rhétorique classique pour l’explicitation de l’intention pédagogique de l’auteur; -* une organisation de la page-écran d’affichage des contenus conforme aux préceptes de l’ergonomie visuelle; -* une instrumentation technologique utilisant le langage XML permettant l’édition automatisée de contenus multi-supports (pages Web, support imprimé et support d’animation de cours en face à face). Sept cours multimédias réalisés avec M.A.Ï.HEU.T.I.C., représentant un total de 250 heures de formation, sont aujourd’hui disponibles dans la Banque de Ressources Pédagogiques Numérisées de la CCIP.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle