Une typologie des typologies des applications des TIC en éducation
Bibliographic record
Abstract
Cet article présente 29 typologies des applications éducatives des technologies de l’information et de la communication (TIC) proposées par divers auteurs depuis le début des années 1980. Trois grandes catégories de typologies sont distinguées. Les premières s’appuient sur des critères de classification reliés à l’acte d’enseignement/apprentissage (rôle pédagogique de l'ordinateur, degré d’autonomie de l’ apprenant, type de stratégies pédagogiques ou étapes du processus d’ enseignement). Les deuxièmes associent les usages des TIC aux divers types d’activités se déroulant dans un établissement d’ enseignement ou aux acteurs y œuvrant. Les dernières regroupent les applications des TIC en fonction de différentes caractéristiques cognitives d’un apprenant (impulsions à apprendre, capacités étendues ou restructurées par l’usage des TIC, étapes du processus d’ apprentissage). L’analyse révèle une tendance à une spécialisation des typologies à certains contextes éducatifs, à certaines technologies ou à certaines approches théoriques. Les typologies gagnent en sophistication et s’ intéressent de plus en plus au fonctionnement cognitif de l'apprenant.
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 | 0.006 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.012 | 0.017 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.007 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
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".