Regards sur les technologies immersives en éducation et en formation
Notice bibliographique
Résumé
Les technologies immersives sont de plus en plus utilisées dans l'enseignement de plusieurs domaines. Or, il est essentiel de considérer certains aspects liés à la dimension pédagogique tels que les stratégies de scénarisation et la mesure de leur efficacité. Ce numéro propose une diversité de travaux explorant l'utilisation des technologies immersives dans l'éducation et la formation. Ces technologies permettent de créer des environnements d'apprentissage captivants, favorisant la compréhension approfondie et améliorant la rétention des connaissances. Néanmoins, des défis subsistent, tels que l'accessibilité à l'équipement, la formation des enseignants, la sélection de contenus pertinents et les préoccupations éthiques et de sécurité. Les avancées technologiques offrent de nouvelles possibilités pour une interaction intuitive et une personnalisation des expériences d'apprentissage. Les 14 articles présentés dans ce numéro contribuent à la réflexion sur l'utilisation des technologies immersives en éducation et en formation, dans l'espoir de susciter de nouvelles idées et initiatives innovantes pour des formations enrichissantes.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,013 | 0,012 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».