Avantages et défis inhérents à l’usage des ordinateurs portables au primaire et au secondaire
Notice bibliographique
Résumé
Notre étude porte sur le contexte des classes où chaque élève possède son ordinateur portable, une des innovations actuelles les plus populaires en éducation. Dans le cadre de cette étude, notre ambition était d’abord de déterminer, selon la perception des élèves et des enseignants, l’apport des TIC dans le développement des compétences à écrire. Cette recherche visait également à identifier les principaux avantages et défis inhérents à l’usage régulier des technologies en salle de classe. Nous avons procédé à une enquête par questionnaire auprès de 2 712 élèves (de la 3e à la 11e année), de même qu’auprès de 389 enseignants. En premier lieu, l’analyse des résultats issus des questionnaires montre le rôle primordial des technologies dans la compétence à écrire des élèves : ces derniers rapportent écrire plus vite, plus et mieux – tant sur le plan du fond que de la forme – et, de surcroît, ils ont plus de plaisir à écrire. De façon globale, les données recueillies lors de la recherche ont permis de présenter dix autres principaux avantages liés à l’usage pédagogique et réfléchi des technologies en classe, avec en tête la motivation des élèves.
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 | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».