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
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».