MétaCan
Menu
Retour à la cohorte
Enregistrement W2065090828 · doi:10.3166/ria.17.719-732

Analogie et catégorisation

2003· article· fr· W2065090828 sur OpenAlexvenueno aff
Emmanuel Sander

Notice bibliographique

RevueRevue d intelligence artificielle · 2003
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhilosophyPolitical science

Résumé

récupéré en direct d'OpenAlex

Apres avoir presente les theories dominantes de l'analogie en psychologie cognitive, nous en faisons une analyse critique. Pour defendre notre these, qui est qu'il existe des similitudes profondes entre les mecanismes regissant l'analogie et la categorisation, qui permettent de considerer l'analogie comme un mecanisme cognitif de base, susceptible d'intervenir des la construction d'une premiere representation d'une situation et pouvant guider l'apprentissage d'un domaine complexe, nous decrivons differents travaux traitant de situations d'analogies spontanees, qu'il s'agisse des conceptions erronees en mathematiques, en physique, ou dans d'autres champs, de l'utilisation des metaphores, ou d'evocations spontanees de situations passees. Nous proposons alors une theorie de l'analogie, se fondant sur les resultats des travaux sur la categorisation. La source de l'analogie est choisie a partir des traits saillants et de sa familiarite pour celui qui realise l'analogie. La situation nouvelle (cible) est alors categorisee comme la situation source par un mecanisme d'attribution de proprietes. La representation ainsi construite, si elle apparait non adequate au sujet, est modifiee par reference a des categories sources hierarchisees par une relation d'abstraction. La theorie est illustree experimentalement dans deux domaines. Dans la resolution de soustractions a colonne, les erreurs commises par des enfants de ce1-ce2 sont expliquees par la reference aux connaissances sur les situations de parcours de distance et sur les situations de retrait. Dans l'apprentissage par la decouverte de l'utilisation d'un traitement de texte par des adultes, l'apprentissage se modelise par l'acces successif aux connaissances sur la machine a ecrire, sur l'ecriture en general, et sur la manipulation d'objet.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,917
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,101
Tête enseignante GPT0,320
Écart entre enseignants0,219 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations4
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue d intelligence artificielleMême sujetLinguistics and Discourse AnalysisTravaux en français237 207