Logiciels de construction de cartes de connaissances : des outils pour apprendre
Notice bibliographique
Résumé
Ce dossier traite des usages possibles de logiciels de construction de cartes de connaissances à des fins d’apprentissage dans un cadre de formation universitaire ou de formation continue. Ces logiciels permettent à l’étudiant de représenter graphiquement un ensemble de connaissances sous forme d’un réseau de nœuds et d’arcs. Le dossier présente quelques logiciels dédiés à la construction de cartes de différents types, mais surtout une revue de stratégies d’enseignement intégrant ces outils ainsi que quelques conseils pour les planifier. Enfin, il résume les principaux avantages et difficultés de la construction des cartes de connaissances au plan cognitif. \n \nThis article examines the possible uses of concept mapping software in a university or continuing education context. Concept mapping applications allow the student to graphically represent compiled information as a network of nodes and vectors. The article looks at several applications that may be used to make different kinds of maps, but mainly reviews teaching strategies that incorporate these tools as well as providing a number of planning pointers. It also summarizes the main advantages and difficulties at a cognitive level in constructing concept maps.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».