Comparaison de l’efficacité des manuels scolaires électroniques interactifs par rapport aux manuels scolaires conventionnels pour l’acquisition de connaissances scientifiques chez des élèves du deuxième cycle du secondaire
Bibliographic record
Abstract
L’informatisation croissante de plusieurs sphères de la société moderne a un effet d’entrainement dans le domaine éducatif. Notamment, l’intégration des technologies de l’information et de la communication (TIC) dans les écoles secondaires incite les pédagogues à prendre de nouveaux outils en considération dans l’élaboration d’activités d’apprentissage, dont les tablettes numériques et les manuels scolaires électroniques. L’usage de ceux-ci rentre en conflit avec les manuels scolaires conventionnels en remplissant au moins partiellement leur rôle de soutien pédagogique. Cette recherche vise donc à comprendre l’effet des manuels scolaires électroniques, munis de fonctions interactives pour engager l’élève, sur l’efficacité de l’acquisition de connaissances d’élèves québécois en deuxième cycle du secondaire en science et technologie. La méthodologie comprend deux phases : la production et la validation de deux chapitres d’un manuel scolaire électronique interactif basé sur un manuel scolaire conventionnel et l’expérimentation de ceux-ci dans une situation d’apprentissage et d’évaluation (SAÉ). L’étude vise à recueillir des données sur le taux d’acquisition de connaissances et sur le degré de confiance des élèves quant à leurs réponses. Un questionnaire d’appréciation des deux types de manuel est également utilisé. Les résultats suggèrent qu’il n’y a pas de différence significative entre l’usage d’un manuel scolaire électronique ou d’un manuel scolaire conventionnel pour l’acquisition de connaissances scientifiques. Aussi, une augmentation significative de confiance est rapportée quel que soit le manuel utilisé. Les participants éprouvant moins de difficultés avec l’usage d’une tablette électronique ont été plus nombreux à préférer l’usage du manuel scolaire électronique et vice-versa. Les participants en général ont trouvé le manuel scolaire électronique plus motivant que le manuel scolaire conventionnel. Toutefois, ils expriment des réserves quant aux distractions qui résultent de l’usage de celui-ci ainsi que de l’effet possible sur leur performance académique.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 0.003 |
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".