Jeu sérieux sur la compétence numérique universitaire : mobilisation d’expertises au service du processus de conception
Notice bibliographique
Résumé
Le Jeu sérieux sur la compétence numérique étudiante universitaire est une ressource éducative libre conçue pour soutenir les étudiants et étudiantes universitaires dans le développement de la compétence numérique telle que définie dans le Cadre de référence de la compétence numérique du Québec (ministère de l’Éducation et de l’Enseignement supérieur, 2019a). Le développement de ce jeu sérieux exprime l’engagement du réseau de l’Université du Québec au regard du Plan d’action numérique en éducation et en enseignement supérieur, 2018). Ce projet vise à soutenir les apprenantes et apprenants dans leur apprentissage au et par le numérique (Conseil supérieur de l’Éducation, 2020), en ayant recours à la stratégie pédagogique du jeu sérieux. Cet article présente les axes réfléchis et documentés relativement au développement de cette ressource éducative susceptible de susciter la motivation, de stimuler la curiosité et la créativité et d’offrir des contextes d’apprentissage innovants. Des constats et données émergeant des travaux réalisés à ce jour sont présentés selon une structure de travail multisectorielle et collaborative, entre des experts et expertes du réseau de l’Université du Québec. Ils s’ancrent également dans les résultats d’un processus de consultation étudiante pour mieux rejoindre les besoins des personnes visées par le jeu sérieux.
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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,009 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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 ».