Une plateforme et des modèles pour la scénarisation coopérative de modules pédagogiques
Bibliographic record
Abstract
Cet article s’intéresse à la scénarisation de modules d’enseignement et à la démarche permettant de mener cette scénarisation. Le point de départ de ces travaux est une expérience menée pour mettre en ligne une formation à distance diplômante. Nous avons souhaité capitaliser l’expérience de scénarisation mise en œuvre au cours de ce travail. À cette fin, cet article présente les modèles que nous avons élaborés pour spécifier un scénario ainsi que la démarche à conduire pour mener le travail de scénarisation de manière coopérative. Ces modèles ont été intégrés au sein d’une plateforme Web de scénarisation permettant à des enseignants et des ingénieurs pédagogiques de coopérer pour spécifier des scénarios qui pourront être exportés sur le LMS Moodle.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.004 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.002 |
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; both teacher heads agree on what is shown here.
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".