Le tinkering au cœur du processus de résolution de problèmes en contexte de fabrication numérique à l’école
Notice bibliographique
Résumé
À l’ère du 21e siècle, la littérature scientifique fait ressortir la résolution de problèmes comme l’une des compétences les plus recherchées par les employeurs à travers le monde. Cependant, peu d’écrits semblent s’être penchés sur le développement de cette compétence à l’école, surtout en contexte numérique. Au Nouveau-Brunswick, un changement de finalités de l’école implique davantage un enseignement axé sur les compétences, dont la résolution de problèmes. Par conséquent, appuyés par les écrits en technopédagogie, de nouveaux milieux d’apprentissage tels que les laboratoires de fabrication numérique peuvent représenter des environnements propices au développement de la résolution de problèmes. À partir d’un devis qualitatif interprétatif mené dans les laboratoires de fabrication numérique de deux écoles au Nouveau-Brunswick, l’analyse des résultats de la présente étude permet d’identifier le tinkering comme concept central dans les processus de résolution de problèmes. Notre recherche permet aussi de pointer vers d’autres éléments conceptuels importants entourant ce processus tel que l’étayage pédagogique et le degré d’autonomie des élèves. Enfin, notre étude confirme que la résolution de problèmes n’est pas un processus linéaire ; elle se déroule plutôt de façon itérative et peut être influencée par le niveau de compétences numériques des élèves.
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 | 0,021 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,037 |
| Communication savante | 0,021 | 0,019 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».