Le potentiel didactique et pédagogique des technologies immersives en classe de Monde contemporain : opportunités et défis
Notice bibliographique
Résumé
Les technologies immersives sont de plus en plus présentes dans le contexte éducatif. Même si certaines méta-analyses ont montré un résultat positif de certaines technologies immersives TI (Chen et al., 2020; Coban et al. 2022), nous devons encore explorer ses applications pratiques dans les classes. Les avantages pédagogiques ont été mentionnés à plusieurs reprises (Freina et Ott, 2015, Di Natale et al., 2020), mais ils peuvent être modérés par de nombreux défis dans la salle de classe. Dans cet article, nous avons proposé de faire la lumière sur deux études de cas d’exploitation pédagogique de la technologie immersive à l’aide de casques au niveau secondaire en univers social. Les expériences ont été documentées par des groupes de discussion avec les élèves et des entretiens individuels avec les enseignants. Le premier cas proposait d'explorer le conflit en Syrie sous différents angles, avec l'aide de vidéos à 360° et d’une application de visualisation de lieux dans le monde. Le second cas visait à amener les élèves à comparer la réalité passée et présente dans le contexte de Pékin, à partir de vidéos à 360° en réalité virtuelle. Les résultats ont montré que les TI ont un certain potentiel, mais que de nombreuses conditions doivent être mises en place pour en arriver à un usage pédagogique efficace.
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 | 0,011 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».