MétaCan
Menu
Retour à la cohorte
Enregistrement W4406261561 · doi:10.6018/red.630211

Symbolism, Digital Culture and Artificial Intelligence.

2025· article· en· W4406261561 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueRevista de Educación a Distancia (RED) · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueDevelopmental and Educational Neuropsychology
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCanada Research Chairs
Mots-clésHumanityComputer scienceArtificial intelligenceSketchConsciousnessPerspective (graphical)SalientHuman intelligenceModalitiesCognitive scienceSociologyEpistemologyPsychologySocial science

Résumé

récupéré en direct d'OpenAlex

This article is an invited contribution in the form of an essay, with the aim of illustrating the modalities of use and development of artificial intelligence in learning environments and as a support for educational design and research.The aim is to place electronic computing in an anthropological perspective, to outline the salient features of the new digital culture, and to articulate the most positive purpose of artificial intelligence, which is to aid in the creation, preservation and acquisition of knowledge. In the first part, I will show that access to symbolic cognition, which is unique to the human species, implies a correspondence between the sensible world and the intelligible world. Therefore, transformations of sensible objects can mean transformations of concepts. This is why, like language, the notion of calculation is inscribed in the very essence of the human being. In the second part, I'll sketch out a genealogy of automatic calculation that leads to contemporary culture, based on the collective feeding and real-time sharing of a digital memory common to humanity. The third part of the article describes the two main trends in contemporary artificial intelligence, symbolic models and neural models, with their advantages and disadvantages. I then suggest an original solution to overcome the division between the two approaches, combining the main advantages of both types of models while minimizing their disadvantages. The article concludes with a brief discussion of the problem of machine consciousness. El presente artículo es una contribución invitada en la modalidad de ensayo, en la perspectiva de ilustrar las modalidades de uso y desarrollo de la inteligencia artificial en entornos de aprendizaje y como apoyo al diseño y a la investigación educativa. Su objetivo es situar la computación en una perspectiva antropológica, delimitar las características más destacadas de la nueva cultura digital y articular el propósito más positivo de la inteligencia artificial, que es ayudar en la creación, preservación y adquisición de conocimiento. En la primera parte, el autor mostrará que el acceso al conocimiento simbólico, propio de la especie humana, implica una correspondencia entre el mundo sensible y el mundo inteligible. Por lo tanto, las transformaciones de los objetos sensibles pueden significar transformaciones de los conceptos. Por ello, al igual que el lenguaje, la noción de cálculo está inscrita en la esencia misma del ser humano. En la segunda parte, el autor esbozará una genealogía del cálculo automático que conduce a la cultura contemporánea, basada en la alimentación colectiva y la compartición en tiempo real de una memoria digital común a la humanidad. En la tercera parte del artículo se describen las dos tendencias principales de la inteligencia artificial contemporánea, los modelos simbólicos y los modelos neuronales, con sus ventajas y desventajas. A continuación, se propone una solución original para superar la división entre ambos enfoques, combinando las principales ventajas de ambos tipos de modelos y minimizando sus desventajas. El artículo concluye con una breve discusión del problema de la conciencia de la máquina .

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,323
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle