MEMORAe : un système d’information support d’un éco-système apprenant
Bibliographic record
Abstract
A l’ère des technologies 2.0, les apprenants n’ont pas conscience de l’existence de l’éco-système apprenant auquel ils appartiennent. La diversité des ressources pédagogiques et de leurs moyens d’accès est intéressante mais peut constituer un obstacle à l’apprentissage si il n’y a pas une prise de conscience. Comment accéder à une ressource, évaluer sa pertinence, mesurer sa qualité, s’assurer que l’information produite est juste, etc. Comment capitaliser cette ressource, la partager avec qui et pourquoi ? Comment personnaliser un parcours de consultation des ressources en tenant compte des indications issues d’un écosystème apprenant ? Dans cet article nous proposons de suivre l’approche MEMORAe pour développer un système d’information support à un tel éco-système. À l’aide des prototypes clients web intégré ou système de système d’information la mettant en œuvre, nous montrons l’intérêt d’une telle approche. Nous terminons par une discussion sur son intérêt pédagogique et ses différentes mises en pratique.
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 | 0.011 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.007 | 0.009 |
| Insufficient payload (model declined to judge) | 0.028 | 0.007 |
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".