Conception et diffusion d’une expérience de formation immersive, une note de lecture de l’ouvrage de Benjamin Fuzet et Clément Cahagne
Bibliographic record
Abstract
Loin des débats autour des bienfaits ou de l’importance de la réalité virtuelle (RV), cet ouvrage nous plonge dans les secrets de la conception d’une formation immersive. En effet, selon les auteurs Benjamin Fuzet et Clément Cahagne, spécialistes en ingénierie pédagogique, ce livre nous guide à travers ses textes afin de nous donner les clés pour concevoir une expérience de formation immersive. Dans un style d’écriture accessible à tous, favorisant une vulgarisation scientifique soutenue par plusieurs illustrations et photographies, les auteurs décortiquent les différentes étapes de conception et de réalisation à travers la méthodologie populaire dans le milieu de la conception, qui n’est autre que le modèle ADDIE (analyse – design – développement – implémentation – évaluation). Des exemples précis de cas réels de modules pédagogiques réalisés à partir de photographies à 360° sont fournis afin d’accompagner l’apprentissage de situations concrètes. En effet, pour illustrer chaque conception, une étude de cas portant sur la conception d'une formation de démarrage de pompe industrielle est présentée. Il s’agit d’une forme de guide favorisant le lien entre la théorie et la pratique tout en interprétant les nuances spécifiques à la réalité virtuelle et à la conception d’une expérience de formation immersive.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.015 |
| Scholarly communication | 0.007 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.009 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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".