Quelles méthodologies peut-on utiliser pour repérer les habiletés spatiales d’étudiants ingénieurs ?
Notice bibliographique
Résumé
La recherche sur les habiletés spatiales s’intéresse à qualifier les processus cognitifs qui la caractérisent. Dans le cadre du projet e-FRAN EXAPP_3D, notre recherche s’est portée sur la mesure des habiletés spatiales et des compétences de modélisation volumique d’étudiants ingénieurs primo-arrivants. Pour ce faire, nous avons investigué la mesure des habiletés spatiales la plus fréquemment observée dans les études contemporaines, c’est-à-dire les tests papier-crayon. Notre recherche a mis en évidence que la performance relevée dans ces tests n’est pas révélatrice des seules compétences visées : nos premiers entretiens ont révélé une pluralité de stratégies (cognitives, comportementales) mobilisées. Cette sensibilité des tests spatiaux aux stratégies de contournement présente le défi de définir un protocole expérimental qui permette de caractériser aussi bien la performance mesurée dans ces tâches que les compétences qui y sont mises en oeuvre. Cet article présente la méthodologie mixte que nous avons conçue pour répondre à ce double enjeu.
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 | 0,020 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,006 |
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 ».