Analyse, développement et évaluation d'une formation médicale en ligne : des données fines et des données massives au service de la conception pédagogique
Bibliographic record
Abstract
Dans le cadre d’un projet intitulé Evaluation of a context-adapted wiki-based decision aid supporting critically ill patients’ decisions about life-sustaining therapies, financé par le Réseau canadien des soins aux personnes fragilisées, l’équipe de conception pédagogique de la Société pour l’apprentissage à vie (SAVIE) s’est joint au projet de recherche afin de développer une formation en ligne destinée aux médecins, aux étudiantes et aux étudiants tenant compte d’un certain nombre d’exigences techniques comme résultat d’une analyse de besoins. La formation a été développée par prototypage rapide. L’environnement numérique d’apprentissage de la formation inclut des objets d’apprentissage compatibles avec le standard xAPI pour un suivi des apprentissages très fin. Ces données, couplées à un questionnaire destiné aux utilisateurs participants à l’expérimentation, permettent d’évaluer l’usage et la pertinence des modules de la formation. Cette première expérience d’analytique de données de formation nous permet d’évaluer cet appareillage technique (xAPI et LRS) en soulignant ses possibles applications pour l’amélioration du dispositif de formation.
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 | 0.000 |
| 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 | 0.001 |
| Scholarly communication | 0.000 | 0.004 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 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".