Une initiative pédagogique intégrant les technologies d’information et de la communication (TIC) visant à rendre les sciences et l’informatique plus attrayantes pour les adolescentes
Bibliographic record
Abstract
Cet article porte sur la problématique du manque d’intérêt et de confiance des filles dans les domaines scientifiques et technologiques à l’école comme sur le marché du travail. Dans leur tentative de contribuer à la résolution de ce problème, les auteures ont conçu des activités susceptibles d’intéresser les filles et de développer leur confiance en ces domaines. Les activités conçues s’inscrivent dans une perspective à la fois féministe et socioconstructiviste et utilisent les TIC. Les sujets retenus, pour des classes de sciences 9ième année du Nouveau Brunswick, bien que d’intérêt commun, ont été choisis de façon à aller chercher davantage les filles. De plus, ces activités ont été conçues de manière à ce qu’elles soient réalisées en équipes afin de favoriser la collaboration, la discussion, le dialogue, les échanges que sont les stratégies privilégiées par les filles dans leurs apprentissages. En recourant aux TIC, les auteures ont voulu permettre aux filles d’avoir des opportunités de s’exercer, d’apprivoiser les ordinateurs et de développer leur confiance en informatique.
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 | 0.011 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 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".