Learning with Multiple Representations: Infographics as Cognitive Tools for Authentic Learning in Science Literacy | Apprendre avec des représentations multiples: l'infographie de presse comme outil cognitif pour l'apprentissage authentique en science
Notice bibliographique
Résumé
This paper presents a descriptive case study where infographics—visual representation of data and ideas—have been used as cognitive tools to facilitate learning with multiple representations in the context of secondary school students’ science news reporting. Despite the complementary nature of the two research foci, studies on cognitive tools and multiple representations have evolved independently. This is because research on cognitive tools has narrowly focused on technological artifacts and their impact on learning outcomes with less attention to learner agency and activity structures. This has created challenges of sustainably applying cognitive tools in classroom teaching and learning. Using data from a design-based research project where secondary school students created authentic infographic-based science news reports, this study demonstrates how infographics can serve as process-oriented cognitive tools for learning and instruction of science literacy in classroom contexts. Results have implications for the study and design of learning environments involving representations.Cet article présente une étude de cas où l'infographie de presse – offrant une représentation visuelle de données et d’idées – est utilisée comme outil cognitif pour faciliter l'apprentissage au moyen de représentations multiples dans le contexte de production de rapports scientifiques par des élèves du secondaire. Malgré la complémentarité des deux axes de recherche, les travaux sur les outils cognitifs et sur les représentations multiples ont évolué séparément. En effet, la recherche sur les outils cognitifs s'est strictement concentrée sur les artefacts technologiques et leur impact sur les résultats d'apprentissage mais a accordé moins d'attention à l’action des apprenants et aux structures des activités. Il en résulte des défis pour l’application durable d’outils cognitifs dans l'enseignement et l'apprentissage en classe. À partir de données issues d'un projet de recherche orientée par la conception (design-based research) dans lequel les élèves du secondaire ont produit des rapports scientifiques authentiques intégrant des infographies de presse, cette étude montre comment l’infographie de presse peut servir
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».