FORCES 3 : Exploitation à des fins pédagogiques des données d’un portail d’apprentissage de l’autogestion de la douleur. Développement d’une architecture de collecte et d’analyse de données et d’un module de suivi du développement des compétences
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
Le développement des environnements numériques d’apprentissage (ENA), en plus de permettre un accès plus facile au savoir pour tous, présente un nouvel éventail de possibilités pédagogiques. Les infrastructures de données intrinsèquement liées aux technologies du Web favorisent l’apprentissage adaptatif et la personnalisation des parcours. C’est le cas de la plateforme en ligne Gérer ma douleur, qui propose un ensemble de ressources pour les personnes souffrant de douleurs chroniques afin de les aider à mieux les gérer. Dans le cadre du développement de cette plateforme, l’équipe de recherche-développement a procédé à l’étude de l’usage de ces infrastructures de données, pour proposer de nouvelles offres et fonctionnalités de façon à soutenir les parcours d’apprentissage. Un module de suivi de parcours d’apprentissage a été développé en partenariat avec de potentiels futurs utilisateurs, en suivant une méthodologie de prototypage rapide. De plus, un système de collecte et d’observation des données d’interactions des utilisateurs avec la plateforme a été mis en place en utilisant la norme xAPI, dans l’optique d’améliorer le fonctionnement du dispositif d’apprentissage et les différentes ressources éducatives.
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 | 0.014 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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 it