MétaCan
Menu
Retour à la cohorte
Enregistrement W7106327766 · doi:10.5281/zenodo.17662289

Horizons numériques en éducation. Quelles perspectives à l'heure de l'IA générative ?

2024· book-chapter· fr· W7106327766 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typebook-chapter
Languefr
DomaineComputer Science
ThématiqueArtificial Intelligence in Education
Établissements canadiensUniversité du Québec à MontréalConcordia University
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)ClientelismPerspective (graphical)

Résumé

récupéré en direct d'OpenAlex

Les différentes contributions réunies dans cet ouvrage ont permis d’explorer les multiples dimensions de la compétence numérique, et d’en saisir plusieurs enjeux fondamentaux pour notre société à l’ère du numérique. Les angles d’analyse variés ont mis en évidence la nature transversale et protéiforme de cette compétence. Sur le papier, à tout le moins, nous sommes sortis de la formation d’« utilisateurs « presse-bouton » [porteuse] de discours du type « vous savez cliquer, vous savez gérer » (Duchâteau, 1992, p. 35). En ce sens, par le Cadre de référence de la compétence numérique (Ministère de l’Éducation et de l’Enseignement supérieur, 2019), par les documents afférents, ainsi que par les documents du même genre à travers le monde (p. ex. le référentiel européen DigComp ; Vuorikari et al., 2022), les politiques éducatives sur le numérique en éducation souhaitent désormais appréhender la formation au numérique au-delà de l’approche techniciste qui a historiquement prévalu.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge 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 enseignants0,813
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0040,001
Science ouverte0,0030,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0310,046

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 Opus0,068
Tête enseignante GPT0,323
Écart entre enseignants0,255 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetArtificial Intelligence in EducationTravaux en français237 207