Favoriser le développement de la pensée critique en science dans un jeu sérieux sur plateforme mobile : exploration théorique pour une scénarisation pédagogique
Notice bibliographique
Résumé
Un rapport de l’Organisation de coopération et de développement économique (OCDE, 2006), souligne que « ces dernières années, le nombre d’étudiants en sciences et en technologie a augmenté en valeur absolue, mais a diminué en valeur relative ». Charland (2003) cite Fourez qui annonçait en 1994 que « les cours de sciences étaient souvent vus par les élèves, mais aussi par les enseignants, comme un simple processus de transmission de contenu, ce qui a eu pour effet d’entraîner une baisse de motivation et d’intérêt quant aux questions scientifiques ». Dans le même article, on propose une solution qui consisterait à « contextualiser » l’enseignement des sciences et à les rendre plus signifiantes pour les élèves. Klopfer et Squire (2007), quant à eux, proposent le Mobile Learning en tant que modèle d’apprentissage prometteur. Parmi les recherches innovatrices dans ce domaine, il y a le projet GéoÉduc3D de l’Université Laval. La présente étude vise à poser un regard sur des énoncés théoriques pouvant être retenus dans le développement d’un scénario pédagogique destiné à un jeu sérieux sur plateforme mobile. Le développement de la une pensée critique sera ciblé dans un contexte de résolution de problèmes à caractère environnemental chez nos élèves de quatrième secondaire, dans les classes de Science et technologie, poursuivant ainsi certaines visées du Programme de formation de l’école québécoise.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,012 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».