La technologie des registres distribués (TRD) : usages et perspectives dans le secteur de l’éducation
Notice bibliographique
Résumé
La technologie des registres distribués (TRD), connue aussi sous le nom anglais de « Distributed Ledger Technology (DLT) » ou « blockchain », constitue une innovation stimulante et aujourd’hui très présente dans le monde des affaires et de la finance. Selon CPA Canada (2019), ces technologies sont puissantes au regard de leur potentiel de création de nouveaux modèles économiques. De nombreux pays ont déjà adopté la TRD pour certains aspects liés à la légalisation des documents, à l'identité, à la résidence électronique, à la santé, à la sécurité et à d'autres services administratifs. Avec l’arrivée du numérique dans le monde de l’éducation par le biais de l'apprentissage à distance, les classes intelligentes et les outils de gestion scolaire intelligents, la technologie a pris place dans les écoles et risque d’en définir en grande partie les évolutions futures. L’arrivée des registres distribués s’inscrit dans cette lignée. Cependant, l’évolution rapide et constante et la complexité de la technologie des registres distribués, la rareté des compétences spécialisées en TRD en Afrique, le coût important de l’infrastructure initiale ainsi que l’absence du cadre réglementaire soulèvent des interrogations et des inquiétudes quant à l’adoption de cette technologie dans un secteur aussi sensible que l’éducation.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».