Gabarits d'ingénierie pédagogique pour la formation à distance (FAD)
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
Série de trois documents utiles pour les conseillers ou ingénieurs pédagogiques qui accompagnent la création de cours ou de formations à distance (FAD). Ces documents s'utilisent habituellement suivant la séquence ci-dessous et pourront être adaptés en fonction des particularités de chaque projet. Synopsis : Gabarit qui permet la collecte et l’analyse des principaux paramètres d’un projet de formation à distance (FAD). Ce gabarit peut être utile à la personne coordonnatrice ou à la personne conceptrice pédagogique pour évaluer la teneur et la portée d’un projet de formation à distance et ce, dès la première rencontre avec le client demandeur. Macrodesign : Gabarit qui permet de planifier les grandes lignes de la séquence pédagogique d’une formation à distance (FAD). La personne conceptrice pédagogique peut y préciser, seule ou avec la personne experte du contenu, les cibles d’apprentissage, les activités pédagogiques, les niveaux d’évaluation envisagés ainsi que les ressources existantes pour alimenter la production de la formation. Scénarimage : Gabarit qui permet de planifier le détail de la séquence pédagogique d’une formation à distance (FAD). La personne conceptrice pédagogique peut y préciser, seule ou avec la personne conceptrice multimédias, les éléments audiovisuels, le texte et la médiatisation envisagée pour faciliter l’apprentissage et faciliter la navigation pour l’utilisateur. Il s’agit d’un outil crucial que les différentes personnes impliquées dans la production de la FAD utilisent pour comprendre où et comment ils devront intervenir. Chaque ligne du scénarimage correspond habituellement à une diapositive multimédia où se retrouve tous les éléments scripto-audiovisuels.
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 | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.020 | 0.011 |
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