Avantages et défis inhérents à l’usage des ordinateurs portables au primaire et au secondaire
Bibliographic record
Abstract
Notre étude porte sur le contexte des classes où chaque élève possède son ordinateur portable, une des innovations actuelles les plus populaires en éducation. Dans le cadre de cette étude, notre ambition était d’abord de déterminer, selon la perception des élèves et des enseignants, l’apport des TIC dans le développement des compétences à écrire. Cette recherche visait également à identifier les principaux avantages et défis inhérents à l’usage régulier des technologies en salle de classe. Nous avons procédé à une enquête par questionnaire auprès de 2 712 élèves (de la 3e à la 11e année), de même qu’auprès de 389 enseignants. En premier lieu, l’analyse des résultats issus des questionnaires montre le rôle primordial des technologies dans la compétence à écrire des élèves : ces derniers rapportent écrire plus vite, plus et mieux – tant sur le plan du fond que de la forme – et, de surcroît, ils ont plus de plaisir à écrire. De façon globale, les données recueillies lors de la recherche ont permis de présenter dix autres principaux avantages liés à l’usage pédagogique et réfléchi des technologies en classe, avec en tête la motivation des élèves.
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 | 0.009 | 0.028 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".