Présentation d'un projet de thèse : pratiques numériques éducatives et intelligence artificielle : Etude comparative de la contextualisation didactique au Québec et dans les Antilles.
Bibliographic record
Abstract
Ce travail de recherche se penche sur les pratiques numériques éducatives et l'intelligence artificielle en effectuant une étude comparative de la contextualisation didactique entre le Québec et les Antilles. En d'autres termes, il examine comment les technologies numériques et l'IA sont utilisées dans l'éducation, en mettant l'accent sur la manière dont ces pratiques sont adaptées aux spécificités culturelles et contextuelles de ces deux régions. Cette comparaison a l'objectif de mettre en évidence les similitudes et les différences dans la manière dont les technologies numériques sont intégrées dans les systèmes éducatifs, ainsi que les défis et les opportunités spécifiques à chaque contexte. Cela pourra permettre d'identifier les meilleures pratiques et les leçons à tirer pour améliorer l'utilisation de l'IA et des technologies numériques dans l'éducation, tant au Québec que dans les Antilles.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.046 | 0.005 |
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".