MétaCan
Menu
← Retour à la cohorte
Enregistrement W7036693529

Conception d'un laboratoire d'initiation aux sciences assisté par ordinateur

2018· other· fr· W7036693529 sur OpenAlexaboutno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2018
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTechnology transferEconomic scienceGeneral interest
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tel qu'il se pratique dans nos écoles, l'enseignement des sciences ne semble pas porter les fruits escomptés, ni gagner l'intérêt des élèves: plusieurs rapports du moins contiennent cette triste constatation (Ste Marie,1980,1981; Orpwood et Souque,1984 a,b). Pourtant la culture technologique dans laquelle nous sommes rend obligatoires une meilleure préparation et un plus grand intérêt pour les sciences chez nos jeunes. La préparation et la formation à la science doivent en effet tenir compte de l'évolution spécialement accélérée des contenus et des méthodes, dans presque toutes les disciplines. Enfin, à moins d'utopie, la formation de l'étudiant, l'éventuel artisan du monde scientifique, ne peut se concevoir sans que la curiosité, l'enthousiasme ou la créativité typiques de l'entreprise scientifique y aient une part importante, pour motiver mais aussi pour récompenser l'effort plus astreignant qui y préside. Cette thèse constitue le rapport d'une recherche-développement entreprise dans le but de proposer un ensemble de moyens pour améliorer la situation de l'enseignement des sciences dans les écoles. Nous nous inspirerons principalement de la théorie de Gagné (1984) en y ajoutant une connotation piagétienne lorsque nous parlerons d'acquisition par l'étudiant d'une stratégie cognitive. Nous allons élargir le modèle de Gagné, inspiré des théories de l’information, en favorisant des activités éducatives de type heuristique plutôt qu'algorithmique. Au lieu de procéder par une organisation ordonnée par le professeur des événements d'enseignement de manière à les faire apprendre et pratiquer par l'étudiant, nous allons développer un ordinateur-outil de laboratoire qui va permettre à l'étudiant de créer lui-même cette organisation ordonnée avant même de passer aux événements, c'est-à-dire d'exécuter son expérimentation. Cette démarche heuristique de l'étudiant sera rendue possible grâce à la capacité qu’aura cet ordinateur-outil de permettre la programmation directe d'expériences de laboratoire. Au cours de cette démarche, nous proposerons un modèle d'enseignement supporté par un ensemble d'expériences scientifiques dans un laboratoire assisté par ordinateur. Une illustration concrète en sera développée, soit le prototype du train électrique qui permettra à l'élève d'expérimenter en cinématique. Outre l'intérêt pour les sciences que cette approche devrait susciter chez les élèves, nous voulons favoriser chez l'élève l'émergence d'un mode de pensée et d'une approche scientifiques, dans un contexte de résolution de problèmes. Pour assurer la pertinence de cette entreprise, nous allons faire le point sur renseignement des sciences au Québec et au Canada, afin d'établir une problématique qui constituera le contexte de ce laboratoire de sciences avec son mode d’intervention. Pour en assurer la cohérence, nous ferons certaines considérations externes issues de disciplines contributoires à l’éducation avant d’établir un cadre théorique en éducation. Ceci permettra de caractériser notre modèle d'enseignement et d'en contrôler la légitimité, tant aux plans didactique, cognitif que psychologique. Découleront de ce modèle d’enseignement quelques rationnels didactiques et cognitifs qui nous permettront une production sur deux plans. Sur le plan théorique, nous exposerons les hypothèses qui sont une part intégrante du modèle et qui pourront éventuellement être soumises à la vérification expérimentale. Sur le plan pratique, nous donnerons la description détaillée d'un prototype d'expérience illustrant notre modèle et nous entreprendrons sa mise à l'essai avec des élèves du deuxième cycle du Primaire et du premier cycle du Secondaire. En conclusion, nous ferons un retour critique sur le rationnel spécifique de ce prototype.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0080,007
Communication savante0,0170,006
Science ouverte0,0030,009
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0310,016

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 Opus0,013
Tête enseignante GPT0,213
Écart entre enseignants0,200 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)→Travaux en français237 207→