Ontologie de description et vocabulaire de métadonnées pour les scénarios pédagogiques /
Bibliographic record
Abstract
Licence de la propriété intellectuelleCette création est mise à disposition selon le Contrat Paternité-Pas d'Utilisation Commerciale-Pas de modification 2.5 Canada qu'il est possible de consulter en ligne à l'adresse suivante : .La diffusion de ce rapport est encouragée dans le respect des clauses de ce contrat.Cette étude a été réalisée avec le soutien financier du Groupe de travail québécois sur les normes et standards en TI pour l'apprentissage, l'éducation et la formation (GTN-Québec).Le contenu de ce rapport demeure la responsabilité des auteurs.Les opinions qui y sont exprimées ne reflètent pas nécessairement celles du GTN-Québec. AuteursGilbert Paquette détient un Ph.D de l'Université du Maine (France) en Intelligence artificielle et éducation.Chercheur au Centre-laboratoire en informatique cognitive et environnement de formation (LICEF) de la Télé-université qu'il a fondé en 1992.Il est titulaire de la chaire de recherche du Canada en ingénierie cognitive du téléapprentissage et professeur titulaire à la Téléuniversité du Québec à Montréal.Il a reçu en 2007 un doctorat honoris causa de l'Université Pierre et Marie Curie (Paris VI).À l'origine de plusieurs projets de recherche-développement stratégiques, dont le réseau pancanadien LORNET, ses publications récentes incluent quatre livres sur les technologies d'apprentissage.Il a agi comme conférencier dans de nombreuses conférences internationales et participe au comité scientifique de six revues, trois en France, une aux États-Unis et deux au Canada.Il est « fellow » du World Technology Network, un réseau d'experts internationaux.Il représente le Canada sur le consortium GLOBE sur les objets d'apprentissage.Il a aussi fondé deux entreprises, Micro-Intel (1987-1991) et Technologies Cogigraph (1999-2013), une entreprise dérivée du LICEF.Il a servi comme ministre de la Science et de la Technologie du Québec (1982-1984).Michel Léonard détient une maîtrise en éducation (option Andragogie), un baccalauréat en technologie électrique (option Télécommunication) et un•D.E.C. en chimie industrielle.Il a développé une expertise dans plusieurs domaines• : hospitalier, maintenance industrielle, vidéo analogique et audio RF, d'abord comme technicien, puis coordonnateur, ingénieur d'essais et de développement, ingénieur de production et gérant de production, formateur.Au LICEF, il a contribué au développement et à la validation des méthodes TFMM et MISA, des systèmes d'ingénierie pédagogique AGD•et ADISA, des éditeurs•MOT•de modèle de connaissances•et plus récemment des éditeurs MOT de scénario (TELOS et IMSLD)•et d'ontologie (OWL-DL).Il a donné plusieurs formations sur la modélisation MOT et sur l'ingénierie pédagogique MISA à de nombreux utilisateurs de divers milieux.Il est impliqué depuis plusieurs années dans les projets de Technologies Cogigraph auprès de divers organismes et entreprises.2.4 Profil d'application « Scen : ScénarioPédagogique » ........................................
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.008 | 0.005 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.004 |
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".