Usage des technologies immersives (réalité virtuelle, augmentée et vidéo 360) dans l’enseignement supérieur
Notice bibliographique
Résumé
Les applications pédagogiques qui font usage des technologies immersives sont de plus en plus présentes dans les établissements d’enseignement supérieur. Nous croyons ainsi qu’il est pertinent de faire le point sur l’impact de ces technologies virtuelles sur le transfert de connaissances aux apprenants ainsi que sur les limites et les risques inhérents à leurs usages. Cette revue de littérature a pour objectif de dresser l’état actuel des connaissances en technologies virtuelles modernes appliquées à l’éducation supérieure. Nous nous intéressons particulièrement à la réalité virtuelle (RV) et à la vidéo 360 qui font usage d’un casque autonome « head-mounted display » (HMD), ainsi qu’aux applications en réalité augmentée (RA) qui emploient des lunettes assistées comme périphérique. Les résultats permettront d’identifier les attributs et mécanismes reliés aux applications virtuelles, et de décrire leurs avantages et leurs limites pour l’apprentissage. Nous avons eu recours à la méthode EPPI (Evidence for Policy and Practice Information and Co-ordinating), pour effectuer cette revue de littérature. Le sommaire des données recueillies est regroupé dans cinq thèmes : 1) conception et intégration de la dimension pédagogique; 2) théories et concepts; 3) méthodologies d’évaluation; 4) motivation et 5) collaboration.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| 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 | 0,002 |
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 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 ».