Pertinence, efficacité et principes pédagogiques de la réalité virtuelle et augmentée en contexte scolaire : une revue de littérature
Notice bibliographique
Résumé
Depuis quelques années, beaucoup de nouveautés technologiques ont fait leur apparition en éducation. Deux de ces technologies, la réalité virtuelle et la réalité augmentée, nous intéressent plus particulièrement. La réalité virtuelle permet, notamment à l’aide d’un casque, de s’immerger totalement dans un univers entièrement conçu avec des objets irréels et numériques tandis que la réalité augmentée permet, avec des lunettes ou un mobile, d’ajouter des éléments numériques à la réalité, notamment par superposition (Wang, Callaghan, Bernhardt, White et Peña-Rios, 2018). Cet article est le résultat d’une revue de littérature portant sur le domaine de la réalité virtuelle et augmentée en éducation. L’article a pour objectifs, dans un premier temps, d’approfondir nos connaissances du domaine afin d’apporter des éléments de réponse à la question de la pertinence et de l’efficacité de ce type d’artefacts en éducation, et dans un deuxième temps, d’identifier des principes qui peuvent guider la conception d’artefacts éducatifs en réalité virtuelle et augmentée. La méthodologie de la revue de littérature est basée sur la méthode EPPI (Evidence for Policy and Practice Information and Co-ordinating). Les résultats seront présentés par thèmes tels que la motivation, l’immersion, la collaboration et la conception.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,011 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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.
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 ».