Développement d’un outil informatisé d’autodiagnostic des compétences informationnelles destiné aux étudiants universitaires - Rapport final du projet
Bibliographic record
Abstract
Ce rapport présente les travaux entrepris en août 2004 par une équipe du Centre de recherche LICEF de la Télé-université dirigée par Josianne Basque en vue de développer un outil informatisé d’autodiagnostic des compétences informationnelles destiné à des étudiants universitaires, intitulé infoCompétences+. Ce projet a été financé par le Fonds de développement académique du réseau (FODAR) de l’Université du Québec dans le cadre du projet COMInFO, qui regroupe des équipes de travail provenant de la totalité des établissements du réseau de l’Université du Québec. \n \nLes objectifs du projet mené par l’équipe de développement de l’outil infoCompétences+ à la Télé-université étaient les suivants : \n1 Sensibiliser les étudiants à l’importance de la maîtrise de diverses compétences informationnelles dans le cadre de leurs études universitaires ; \n2 Favoriser l’autoévaluation des compétences informationnelles chez les étudiants universitaires ; \n3 Guider les étudiants universitaires, en fonction de leur bilan de compétences informationnelles, vers des ressources de soutien au développement de ces compétences ; \n4 Offrir aux professeurs un outil de diagnostic des compétences informationnelles de leurs étudiants. \n \nDans le présent rapport, nous résumons d’abord la problématique et le cadre théorique du projet et décrivons la méthodologie utilisée pour réaliser le projet. Nous présentons par la suite l’outil dans sa version livrée au Comité de pilotage ainsi que les résultats de la mise à l’essai de la version précédente de l’outil (version prototype) menée auprès de 35 étudiants de quatre constituantes de l’Université du Québec (École de technologie supérieure, Université du Québec à Trois-Rivières, Université du Québec à Montréal et Télé-université) entre le 24 novembre et le 3 décembre 2005. En guise de conclusion, nous suggérons quelques pistes pour le développement futur de l’outil.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.008 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".