Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Les humains qui utilisent des technologies de l’information et de la communication pour l’enseignement (TICE) et pour apprendre réalisent une activité complexe qu’il est difficile d’étudier. Les chercheurs du domaine rencontrent plusieurs problèmes, dont trois sont abordés ici : les apprentissages implicites et explicites, scolaires et non scolaires, avec les TIC peuvent-ils être décrits à l’intérieur d’un même cadre ? Les TICE mobilisent-elles différents processus d’apprentissage ? Qu’est-ce la motivation à utiliser les TIC et cette motivation a-t-elle un effet sur les apprentissages avec les TICE ? Pour répondre à ces problèmes, une approche renouvelée des apprentissages peut aider. Cette approche considère le sujet cognitif de l’apprentissage comme étant capable d’apprendre de manière très différente selon qu’il y a un enjeu adaptatif ou non. Elle considère aussi que le sujet humain mobilise des processus d’apprentissage très différents entre eux, impliquant que les tâches et les outils pouvant soutenir ces processus d’apprentissage sont nécessairement très différents. Enfin, elle considère que les connaissances que le sujet humain a sur lui-même et sur ses buts d’apprentissage ont un effet important.
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.
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 | 0.027 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| 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 it