Apprendre les secrets d’une profession au travers de l’expérience temps-réel des experts : capturer et transférer aux novices les savoirs professionnels tacites d’expérience
Notice bibliographique
Résumé
Les départs à la retraite en masse de la génération baby-boomer ont mené au challenge actuel de renouvellement des pratiques de compagnonnage professionnel qui, traditionnellement, permettent la transmission des savoir-faire incorporés dans l’expertise manuelle développée avec le temps par les experts. Une recherche menée au sein du plus grand producteur français d’électricité a investigué comment la combinaison de la théorie de l’activité, de méthodes d’ethnographie vidéo et de méthodes psychologiques de verbalisation peut aider à améliorer à la fois la préservation du capital de connaissances et la formation professionnelle aux gestes métier. Cela a amené au développement d’une nouvelle méthode ECAST, dédiée à la capture et au transfert des connaissances tacites et explicites incorporées dans les gestes professionnels des experts, et aboutissant à la construction d’un support didactique pour la formation professionnelle. Cette ressource, appelée MAP, permet aux opérateurs d’apprendre directement au travers de l’expérience en temps réel des experts. Une évaluation qualitative du dispositif a montré une amélioration de la formation. À la suite de ces résultats, le dispositif a été industrialisé par l’entreprise. Cela démontre l’utilité de la méthode proposée pour la capitalisation et la transmission des connaissances tacites.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».