Le potentiel éducatif du design fiction dans le développement de la pensée critique
Bibliographic record
Abstract
Le design fiction est une pratique de design utilisant la science-fiction pour imaginer les futurs possibles des technologies. Originellement mobilisée dans les milieux du design traditionnel et de l’interaction humain-machine, le design fiction offre un réel potentiel d’éducation dans le milieu scolaire. Plus particulièrement, le design fiction amène les jeunes à se mettre dans la peau d’inventeurs du futur et à contextualiser leurs inventions dans un monde futur proche, à travers la production de scénarios spéculatifs. Au-delà de l’aspect de la conception, cette approche les encourage à réfléchir aux enjeux des objets qu’ils créent et aux relations qu’ils entretiennent avec les technologies au quotidien. Cet article présente une démarche pédagogique utilisant le design fiction en contexte d’éducation aux médias pour développer la pensée critique des apprenants. Dans un premier temps, j’explique en quoi consiste la pratique du design fiction et les rapports qu’elle entretient avec la fiction et la science-fiction. Je présente dans un second temps la démarche pédagogique du design fiction telle que construite en collaboration avec mon partenaire pour le milieu scolaire. Je détaille les activités menées avec les élèves au cours du projet afin de mettre en avant, dans la section suivante, les contributions du design fiction au développement de la pensée critique. La conclusion liste des principes de design pour tout chercheur ou enseignant désirant utiliser le design fiction en contexte d’apprentissage.
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 | 0.013 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.025 |
| Scholarly communication | 0.019 | 0.015 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.007 | 0.007 |
| Insufficient payload (model declined to judge) | 0.024 | 0.006 |
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".