Préparer les étudiants aux métiers de la « formation 4.0 » : Une ingénierie pédagogique multimodale fondée sur les technologies émergentes du secteur professionnel
Notice bibliographique
Résumé
Cet article aborde l’évolution des métiers de la formation en lien avec les technologies émergentes en s’intéressant plus particulièrement à l’adaptation de la professionnalisation des ingénieurs pédagogiques et formateurs d’adultes depuis 2019. Il souligne comment les changements économiques et politiques ont modifié rapidement leur travail, obligeant les entreprises dans un environnement concurrentiel à faire évoluer les compétences numériques des formateurs en poste et celles des étudiants en cours de diplomation à l’université. À l’appui d’un modèle d’ingénierie multimodale intégrant des pratiques pédagogiques variées, la réalité virtuelle et l’intelligence artificielle, le texte présente la stratégie d’action et la résolution de problèmes mises en place dans un parcours de master en France pour gérer cette course en avant tout en renforçant la qualité des usages numériques et demeurer en cohérence avec les compétences au cœur des métiers de l’interaction avec autrui auxquels se destinent les étudiants.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,005 |
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 ».