Intégration de deux versions de la plateforme Astus
Bibliographic record
Abstract
Ce mémoire s’inscrit dans le cadre du projet Astus (Apprentissage par Système Tutoriel de l’Université de Sherbrooke), qui vise à développer une plateforme générique permettant la création des MTTs1 (MTT pour “Model-Tracing Tutor”). Ces dernières années, Astus a été mis à l’épreuve par l’élaboration de nombreux MTTs, et les résultats ont été prometteurs. Cependant, deux travaux récents ont abouti à deux versions distinctes d’Astus, rendant les MTTs créés sur une plateforme incompatible avec d’autre, L’objectif de ce travail est de comparer et de contraster ces deux travaux afin de trouver leurs points de divergence, en vue d’en concevoir une version unifiée. Afin d’atteindre notre objectif, nous avons commencé par étudier l’aspect théorique et conceptuel d’Astus dans le but de comprendre son architecture et son fonctionnement. Parmi nos références essentielles figurent la thèse de Jean-François Lebeau (J-F.L.) [1] et celle de Gabriel Beaulieu (G.B.) [2]. Ces deux thèses représentent les deux versions mentionnées précédemment. Et pour approfondir davantage, nous avons également examiné le code source des deux versions. Selon notre analyse, l’incompatibilité provient principalement des différences de la langue dédiée (DSL pour “ domain-specific language”) utilisée pour coder les connaissances d’un MTT. Pour faire suite à ces constatations, l'objectif de ce mémoire se traduit par une restructuration de ce langage et de sa grammaire et, par la création d'outils pour valider les MTTs utilisant ce langage. Cette thèse présente la grammaire du langage DSL Astus. La grammaire proposée est conforme au standard EBNF (Extended Backus-Naur Form). Le choix de la norme EBNF est suffisamment justifié. Nous avons également développé un compilateur permettant la vérification syntaxique d’un MTT Astus et la génération du code C# équivalent. Ce compilateur fonctionne selon la grammaire fournie et devrait avoir moins de corrélation avec la plateforme dans son ensemble. Les résultats obtenus sont très prometteurs. Nous avons également proposé une nouvelle architecture conceptuelle à laquelle nous avons intégré de nouveaux composants.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.030 | 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 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".