LES ENJEUX ASSOCIÉS À L’APPROPRIATION DE RESSOURCES NUMÉRIQUES MUSÉALES PAR DES ENSEIGNANTS DU SECONDAIRE DU QUÉBEC : PROPOSITION D’UN CADRE D’ANALYSE
Bibliographic record
Abstract
Depuis 2014, le Musée des beaux-arts de Montréal développe une plateforme nommée ÉducArt, qui suggère des activités éducatives réalisées à partir de sa collection encyclopédique pour soutenir les écoles secondaires québécoises dans leur mission culturelle. Comme l’élaboration de ressources destinées au milieu scolaire demande de tenir compte des besoins et des réalités de la classe (Van der Maren, 1996, 2003) et que le gouvernement du Québec entend poursuivre le financement de plateformes muséales (Rocheleau, 2016), il apparaît important d’étudier les enjeux associés à l’appropriation de ressources numériques muséales, telles que celles diffusées sur la plateforme ÉducArt, par des enseignants du secondaire du Québec. Dans cette perspective, un cadre d’analyse visant à mieux comprendre ces enjeux semble essentiel. Cet article se veut une contribution en ce sens, car à notre connaissance, aucun modèle théorique n’existe pour comprendre les enjeux particuliers que rencontrent des enseignants du secondaire lorsqu’ils tentent de s’approprier des ressources numériques muséales.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.000 |
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".