MétaCan
Menu
Retour à la cohorte
Enregistrement W4412977057 · doi:10.61737/bari1591

Regards croisés sur l’intelligence artificielle à l’Université Laval : pratiques et enjeux en recherche

2025· report· fr· W4412977057 sur OpenAlexaboutno aff
Didier Paquelin, Mada-Lucienne Tendeng

Notice bibliographique

Revuenon disponible
Typereport
Languefr
DomaineComputer Science
ThématiqueArtificial Intelligence in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSociologyHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Dans la suite des actions conduites pour brosser le portrait des utilisations des systèmes d’intelligence artificielle dans différents secteurs de l’enseignement et de la recherche à l’Université Laval, il a été confié à l’Obvia un mandat pour une consultation exploratoire visant à comprendre les grandes tendances liées à l’utilisation actuelle d’outils d'IA en recherche à l’Université Laval. Les propos collectés lors des groupes de discussion ont permis d’identifier les principales utilisations des outils d’IA en contexte de recherche, en rappelant les motivations, les risques et les enjeux perçus. Un accord se dégage sur le fait que ces outils sont là pour durer et requièrent le développement de compétences spécifiques pour un usage éthique et responsable, contenu dans un cadre qui veille au maintien de l’intégrité scientifique tout en autorisant l’exploration de pratiques nouvelles.

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 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)0,009
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,666
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0040,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,300
Tête enseignante GPT0,415
Écart entre enseignants0,114 · 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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArtificial Intelligence in EducationTravaux en français237 207