Neuroscience and education in the transition from analogic to AI.
Notice bibliographique
Résumé
In the last thirty years we have moved from a substantially analogue communication, and education, to an almost completely digital world. We have moved from separate worlds, and competences, to an integrated and interconnected world. The barriers of knowledge and expertise have been broken down, and with them also the principle of mediation and authority in information and knowledge. To fully fulfil our role as educators, we need to make a further effort: to cross the boundary between disciplines and between knowledge. What is needed is a renewed encounter that allows us to merge and blend the new discoveries of neuroscience with the unique and unrepeatable experience of teachers. In a world that appears massified and standardised, we must return to the individuality of the person and grasp that valid element, that useful suggestion, for a model of democratic education that can truly contribute to leaving no one behind and 'no one excluded'. The sea of over-exposure and over-information in which we are all exposed and overexposed would like it to be an opportunity for a free and conscious encounter and confrontation with the other, with what is different from oneself, but in that same sea it is extremely easy and most likely to get lost. This article aims to hint at the recent discoveries of neuroscience regarding emotions, rest, exposure to social media and texting as a prevalent form of communication, regarding reading between paper and screen, for an enhancement of human subjectivity.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».