MétaCan
Menu
← Back to cohort
Record W7036693529

Conception d'un laboratoire d'initiation aux sciences assisté par ordinateur

2018· other· fr· W7036693529 on OpenAlexaboutno aff

Bibliographic record

VenueCorpus Université Laval (Université Laval) · 2018
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsTechnology transferEconomic scienceGeneral interest
DOInot available

Abstract

fetched live from OpenAlex

Tel qu'il se pratique dans nos écoles, l'enseignement des sciences ne semble pas porter les fruits escomptés, ni gagner l'intérêt des élèves: plusieurs rapports du moins contiennent cette triste constatation (Ste Marie,1980,1981; Orpwood et Souque,1984 a,b). Pourtant la culture technologique dans laquelle nous sommes rend obligatoires une meilleure préparation et un plus grand intérêt pour les sciences chez nos jeunes. La préparation et la formation à la science doivent en effet tenir compte de l'évolution spécialement accélérée des contenus et des méthodes, dans presque toutes les disciplines. Enfin, à moins d'utopie, la formation de l'étudiant, l'éventuel artisan du monde scientifique, ne peut se concevoir sans que la curiosité, l'enthousiasme ou la créativité typiques de l'entreprise scientifique y aient une part importante, pour motiver mais aussi pour récompenser l'effort plus astreignant qui y préside. Cette thèse constitue le rapport d'une recherche-développement entreprise dans le but de proposer un ensemble de moyens pour améliorer la situation de l'enseignement des sciences dans les écoles. Nous nous inspirerons principalement de la théorie de Gagné (1984) en y ajoutant une connotation piagétienne lorsque nous parlerons d'acquisition par l'étudiant d'une stratégie cognitive. Nous allons élargir le modèle de Gagné, inspiré des théories de l’information, en favorisant des activités éducatives de type heuristique plutôt qu'algorithmique. Au lieu de procéder par une organisation ordonnée par le professeur des événements d'enseignement de manière à les faire apprendre et pratiquer par l'étudiant, nous allons développer un ordinateur-outil de laboratoire qui va permettre à l'étudiant de créer lui-même cette organisation ordonnée avant même de passer aux événements, c'est-à-dire d'exécuter son expérimentation. Cette démarche heuristique de l'étudiant sera rendue possible grâce à la capacité qu’aura cet ordinateur-outil de permettre la programmation directe d'expériences de laboratoire. Au cours de cette démarche, nous proposerons un modèle d'enseignement supporté par un ensemble d'expériences scientifiques dans un laboratoire assisté par ordinateur. Une illustration concrète en sera développée, soit le prototype du train électrique qui permettra à l'élève d'expérimenter en cinématique. Outre l'intérêt pour les sciences que cette approche devrait susciter chez les élèves, nous voulons favoriser chez l'élève l'émergence d'un mode de pensée et d'une approche scientifiques, dans un contexte de résolution de problèmes. Pour assurer la pertinence de cette entreprise, nous allons faire le point sur renseignement des sciences au Québec et au Canada, afin d'établir une problématique qui constituera le contexte de ce laboratoire de sciences avec son mode d’intervention. Pour en assurer la cohérence, nous ferons certaines considérations externes issues de disciplines contributoires à l’éducation avant d’établir un cadre théorique en éducation. Ceci permettra de caractériser notre modèle d'enseignement et d'en contrôler la légitimité, tant aux plans didactique, cognitif que psychologique. Découleront de ce modèle d’enseignement quelques rationnels didactiques et cognitifs qui nous permettront une production sur deux plans. Sur le plan théorique, nous exposerons les hypothèses qui sont une part intégrante du modèle et qui pourront éventuellement être soumises à la vérification expérimentale. Sur le plan pratique, nous donnerons la description détaillée d'un prototype d'expérience illustrant notre modèle et nous entreprendrons sa mise à l'essai avec des élèves du deuxième cycle du Primaire et du premier cycle du Secondaire. En conclusion, nous ferons un retour critique sur le rationnel spécifique de ce prototype.

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 imitation

Not 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.

metaresearch head score (Codex)0.015
metaresearch head score (Gemma)0.013
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.031
Threshold uncertainty score0.105

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0150.013
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.003
Science and technology studies0.0080.007
Scholarly communication0.0170.006
Open science0.0030.009
Research integrity0.0040.004
Insufficient payload (model declined to judge)0.0310.016

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.

Opus teacher head0.013
GPT teacher head0.213
Teacher spread0.200 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreMethods

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueCorpus Université Laval (Université Laval)→French-language works237,207→