De la modélisation didactique à la simulation sur ordinateur des interactions langagières en classe de sciences.
Bibliographic record
Abstract
Les interactions maître-élèves en classe de sciences (plus précisément la gestion des productions d'élèves au cours de l'interaction), constituent l'objet principal de mes recherches. Cet objet a été progressivement modélisé et son domaine d'application a été délimité. Ce modèle a ensuite permis de produire un logiciel de simulation de gestion des séances. Ce logiciel est un prototype. Il a été utilisé pour explorer principalement deux directions de recherche. La première direction concerne l'activité cognitive des enseignants en situation d'enseignement. En enregistrant les discussions de deux enseignants utilisant le logiciel de simulation, il est possible d'accéder aux raisonnements et aux connaissances qu'ils utilisent pour préparer leur intervention. La deuxième direction de recherche consiste à évaluer l'intérêt d'un tel outil pour la formation des maîtres. Ce logiciel a été utilisé dans une formation portant sur les interactions. Une recherche a montré qu'un dispositif de formation utilisant le logiciel a un effet sur les pratiques effectives des enseignants ayant suivi cette formation, et sur les performances de leurs élèves. Ces recherches exploratoires ont montré le potentiel de ce logiciel en tant qu'outil de recherche et/ou de formation. Ces premiers résultats nous encouragent à développer de nouvelles recherches dans cette direction. Cette note de synthèse interroge les précédentes recherches de modélisation des interactions, modélisations qui ont servi de base à la construction de notre premier logiciel de simulation. La dernière partie de cette note de synthèse est consacrée à la planification de futures recherches portant sur la simulation de gestion de séances. Elle s'appuie en partie sur les travaux réalisés dans les domaines de la psychologie ergonomique et de la didactique professionnelle, portant sur la simulation d'activités professionnelles.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".