Un cadre de référence en littératie de l’intelligence artificielle pour la formation des directions d’établissement d’enseignement
Notice bibliographique
Résumé
Cet article propose un cadre de référence en littératie de l’intelligence artificielle (IA) destiné à la formation des directions d’établissement d’enseignement. Ce cadre de référence en administration de l’éducation a été constitué à partir d’une recension des écrits de type narratif. Ce type d’approche a permis de produire une synthèse des connaissances sur l’intelligence artificielle et la littératie. Le cadre repose sur six propositions issues de deux phases de catégorisation des données : développer une conscience technologique, maîtriser les concepts clés de l’IA, intégrer l’IA dans la gestion scolaire, analyser et évaluer, créer et innover, et assurer une utilisation éthique de l’IA. Il présente une occasion à saisir par les directions d’établissement d’enseignement afin de réaffirmer l’importance de développer leur littératie dans le domaine de l’IA. Ainsi, le cadre servira à appréhender le « prochain leadership numérique » nécessaire pour permettre aux directions d’établissement d’enseignement de faire face aux transformations incontournables induites par le développement soutenu de l’IA.
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 | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,014 | 0,015 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,004 |
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 ».