Une approche intégrée de la modélisation scientifique assistée par l'ordinateur
Bibliographic record
Abstract
Cet article présente les considérations théoriques, didactiques et technologiques qui nous ont amené à entreprendre une recherche relative au développement d’un environnement informatisé d’apprentissage de la modélisation scientifique combinant un système d’expérimentation assistée par ordinateur et un système de simulation assistée par ordinateur. La fonctionnalité la plus originale de cet environnement permet de comparer une simulation animée et une séquence vidéo au moyen de la superposition directe des images. Les principaux résultats de cette recherche concernent l’utilisation de l’environnement développé dans le contexte de la formation à la mécanique classique au niveau de l’enseignement supérieur, et la possibilité de modélisation automatique des cheminements d’apprentissage des étudiants. Les propriétés de ce nouveau genre de logiciel, mises en évidence par notre recherche, mériteraient d’être étudiées plus en profondeur, surtout en ce qui concerne la rapidité d’apprentissage de la modélisation, l’enrichissement du raisonnement de l’étudiant et les sollicitations entre induction et déduction.
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 | 0.007 | 0.014 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.005 | 0.007 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.008 |
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".