Évaluation des technologies éducatives émergentes : les aléas de la conception, un facteur d’instabilité pour la définition des problématiques de recherche?
Bibliographic record
Abstract
En France, on demande de manière croissante aux laboratoires d’accompagner les projets de conception de technologies éducatives, sans nécessairement les mettre en position d’influer significativement sur ledit processus de conception. Pour pouvoir produire des résultats scientifiques, les chercheurs sont mis face à la nécessité de formuler leurs problématiques de sorte que les inévitables aléas de projets de conception inscrits dans la durée n’affectent pas de manière conséquente la productivité de leur travail. Dans cette contribution fondée sur un cas d’étude, le Carnet Numérique de l’Élève-Chercheur, nous revenons sur les trajectoires de plusieurs problématiques explorées dans le cadre de sa conception. Là où certaines sont imperméables aux difficultés du projet, d’autres doivent disparaître ou évoluer du fait de problèmes techniques rencontrés par le prototype, voire apparaissent en cours de conception, quand apparaît l’opportunité de produire des résultats originaux. Nous détaillons, sous la forme d’un retour d’expérience, les raisons sous-tendant ces choix.
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 | 0.046 | 0.097 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.004 | 0.017 |
| Scholarly communication | 0.027 | 0.025 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.007 | 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 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".