Ingénierie pédagogique et technologies émergentes : défis et leviers d’action identifiés dans la conception de jumeaux d’enseignement numériques immersifs et interactifs
Notice bibliographique
Résumé
Les jumeaux numériques d’enseignement (JNE) sont des environnements virtuels pour l’apprentissage humain (EVAH) qui ouvrent des perspectives en matière de conception pédagogique pour se rapprocher des réalités professionnelles des ingénieurs. Le jumeau numérique est la réplique numérique d'un objet ou d'un système industriel ou physique existant, qui peut être doté d’outils d’exploitation pour comprendre, analyser et prédire le fonctionnement et le pilotage de l’entité réelle. Il peut devenir un instrument pour l’enseignement. L’intégration des JNE, en tant que nouvel environnement virtuel d’apprentissage, engage un travail de conception pédagogique visant la création de situations d’apprentissage instrumentées. L’article porte sur ce travail de conception pédagogique mené de manière collaborative entre des ingénieurs pédagogiques, des enseignants-chercheurs et des développeurs informatiques dans le cadre du projet JENII (ANR-21-DMES-0006). Les données de recherche sont issues de 13 entretiens semi-directifs menés auprès des acteurs du projet, de 3 entretiens avec des ingénieurs pédagogiques et de l’observation de 3 réunions de conception de scénarios pédagogiques utilisant des JNE. Les résultats permettent de mieux comprendre la conception collaborative de dispositifs pédagogiques, d’identifier les nouveaux acteurs autour de la technologie émergente des JNE et de mettre en lumière les leviers d’action pour optimiser l’ingénierie pédagogique avec des technologies émergentes.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,026 |
| Communication savante | 0,016 | 0,016 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».