Ressources muséales, TIC et univers social au primaire : résultats d’une recherche collaborative
Bibliographic record
Abstract
Cette recherche collaborative porte sur l’utilisation, l’application et l’intégration des ressources pédagogiques en ligne du musée McCord dans l’enseignement de l’univers social au troisième cycle du primaire. La première partie fait état du peu de ressources pédagogiques en ligne pour répondre adéquatement aux besoins et aux exigences du milieu scolaire. Elle identifie également des liens entre les technologies de l’information et de la communication (TIC) et le programme de formation au primaire pour soutenir le développement des compétences dans le domaine de l’univers social. Nous traitons ensuite de la place de plus en plus importante qu’occupent les ressources muséales dans l’enseignement et l’apprentissage et, plus particulièrement, de l’expertise du musée McCord en ce domaine. La deuxième partie décrit la méthode de recherche développée, ainsi que la démarche d’élaboration, de mise à l’essai et de validation des ressources pédagogiques en ligne sur le site du Musée. La troisième partie présente les résultats à propos de l’appropriation des ressources, l’apprentissage des élèves et la pertinence des ressources web. Enfin, en quatrième partie, nous formulons quelques recommandations en vue d’une intégration efficace et efficiente en milieu scolaire des ressources pédagogiques en ligne dont il est question dans cette étude.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.019 | 0.070 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".