MétaCan
Menu
Retour à la cohorte
Enregistrement W1849780467

Évaluation informatisée des cheminements d'apprentissage de la modélisation scientifique

2008· article· fr· W1849780467 sur OpenAlexaffvenue
Martin Riopel, Patrice Potvin, Gilles Raîche

Notice bibliographique

RevueInternational journal of e-learning & distance education · 2008
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Dans le but de rendre les séances au laboratoire de science plus formatrices, nous avons développé un environnement informatisé d'apprentissage humain qui permet aux étudiants de s'engager dans un processus de modélisation scientifique en combinant l'expérimentation assistée par ordinateur (ExAO) et la simulation assistée par ordinateur (EAO). La caractéristique la plus originale de l'environnement est de permettre aux étudiants de comparer un mouvement filmé en vidéo avec une simulation animée d'un phénomène en superposant directement les images réelles (de la vidéo) et virtuelles (de la simulation). Nous avons expérimenté l'environnement développé avec plusieurs groupes d'étudiants et nous avons observé qu'ils ont réussi à l'utiliser pour obtenir des réponses à des questions concernant des concepts scientifiques préalablement abordés en classe ainsi que des concepts complètement nouveaux. Les étudiants on complété l'expérience environ deux fois plus rapidement que normalement et ont émis l'avis que l'utilisation de l'environnement d'apprentissage permettait de mieux comprendre le phénomène que les expériences habituelles. Nous en concluons qu'il serait intéressant d'explorer plus en profondeur certaines propriétés de cet environnement dans des recherches futures. In order to facilitate learning during science labs, we developed a computerized learning environment allowing students to engage in a scientific modelling process by combining computer-assisted experimentation (ExAO) and computer-assisted simulation (EAO). The novelty of this environment resides in the fact that students can superimpose real video images and simulated animations. We tested the environment with several groups of students and observed that they were able to use it to answer questions about concepts seen in class but also about entirely new concepts. The students completed the experiments twice as fast as with the usual lab environment and reported a better understanding of the phenomenon being studied. We conclude a deeper understanding of the properties of this environment could be achieved through further research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,027
score de la tête « metaresearch » (Gemma)0,104
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,104
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0090,006
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,031
Tête enseignante GPT0,344
Écart entre enseignants0,313 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational journal of e-learning & distance educationMême sujetOnline and Blended LearningTravaux en français237 207