MétaCan
Menu
Retour à la cohorte
Enregistrement W1625755140 · doi:10.3917/dbu.gobet.2011.01.0177

Impact des données empiriques sur les théories

2011· book-chapter· fr· W1625755140 sur OpenAlexaff
Fernand Gobet

Notice bibliographique

RevueDe Boeck Supérieur eBooks · 2011
Typebook-chapter
Languefr
DomaineComputer Science
ThématiqueCognitive Science and Mapping
Établissements canadiensMusée de la Civilisation
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

<titre>Résumé</titre> 1. Une partie des données sur l’intelligence, y compris les données liées à l’expertise, soutient l’hypothèse d’une intelligence unique (g) ; une autre partie des données soutient (plus faiblement) l’hypothèse d’une intelligence multiple. 2. Les modèles hiérarchiques, bien qu’utiles pour rendre compte des données concernant l’intelligence, n’ont guère contribué à notre compréhension de l’expertise. La contribution principale du modèle triarchique de Sternberg est de souligner l’importance des connaissances tacites. 3. Plusieurs approches défendent l’idée du talent sans pour autant souscrire à une approche basée sur l’intelligence. L’approche de Simonton offre une piste originale, mais souffre de n’être basée que sur des corrélations. La théorie de Geschwind et Galaburda n’a été que faiblement soutenue par les données empiriques. 4. Les points forts de la théorie des chunks sont que (a) elle explique non seulement la mémoire des experts, mais également leur perception et les mécanismes sous­tendant leur prise de décision ; (b) elle rend compte tout à la fois des aspects qualitatifs et quantitatifs de l’expertise ; et (c) elle a mené au développement de modèles informatiques. Les deux faiblesses principales sont que (a) elle n’explique pas comment les experts encodent une partie de l’information à un niveau d’abstraction plus élevé que celui des chunks et (b) elle sous­estime le temps pris par les experts pour encoder de l’information nouvelle en MLT. 5. Les théories basées sur l’organisation des connaissances manquent de précision. Cela est corrigé par les théories réalisées sous forme de systèmes de production, qui offrent un formalisme approprié pour représenter les connaissances. 6. Les trois théories développées par Ericsson – la théorie de la mémoire habile, la théorie de la pratique délibérée et la théorie de la mémoire de travail à long terme – ont eu une influence considérable sur la psychologie de l’expertise. Les points forts incluent l’identification du rôle joué par les structures de retrait et la collecte de données confirmant le rôle crucial joué par la pratique intentionnelle. Parmi les points faibles on peut mentionner le manque de détails offerts par ces théories, en particulier à propos des mécanismes engagés, ainsi que le manque d’attention accordé à des facteurs autres que la pratique dans le développement de l’expertise. 7. Le rôle de l’environnement est capté par plusieurs théories : la théorie des chunks, la théorie des chablons, le connexionnisme, l’action située et la théorie de la sensibilisation aux contraintes. Seules les deux premières théories ont un impact important sur les recherches portant sur la psychologie de l’expertise. 8. Les révisions de la théorie des chunks – EPAM­IV et la théorie des chablons – corrigent les deux faiblesses principales de cette théorie (temps d’encodage en MLT trop lent et difficulté d’expliquer le haut niveau d’abstraction utilisé parfois par les experts). Ces deux théories sont implémentées sous forme de programmes d’ordinateur, ce qui rend possible un haut niveau de précision théorique. Parmi les points faibles de ces théories, on peut mentionner le nombre limité de domaines qui ont été simulés et le manque de liens avec les neurosciences.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,528
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,291
Écart entre enseignants0,144 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDe Boeck Supérieur eBooksMême sujetCognitive Science and MappingTravaux en français237 207