Apprentissages en profondeur et rencontres sociales dans un cours à distance
Notice bibliographique
Résumé
Afin de favoriser une meilleure compréhension des sujets à l’étude ainsi que l’entraide entre étudiants, des logiciels ont été introduits dans le cours de comptabilité de management offert à distance par la Téluq suivi par 35 étudiants : le logiciel de construction de cartes de connaissances ‘Xmind’, le logiciel social ‘Elgg’ et le logiciel de visioconférence ‘Enjeux’. Nous avons relevé 47 publications dans le logiciel social, comprenant plusieurs échanges de cartes construites avec le logiciel ‘Xmind’, mais aucune rencontre en équipe ne semble avoir eu lieu par visioconférence pour construire de telles cartes. Certains étudiants impliqués disent que la construction de cartes de connaissances leur a permis de faire des apprentissages en profondeur. Mais pour plusieurs, le temps semble avoir été la principale contrainte à une telle activité. Les objectifs visés (apprentissage en profondeur et collaboration) ont donc été atteints pour certains, mais pas pour d’autres.
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 | 0,014 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,018 |
| Communication savante | 0,014 | 0,020 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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.
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 ».