Guide pédagogique : a journey through the digital world and english culture
Bibliographic record
Abstract
Avec l’arrivée d’agents conversationnels ouverts au grand public, tels ChatGPT 3.5 à l’automne 2022, et de multiples autres développements issus de l’intelligence artificielle, j’ai décidé, en février 2023, de soumettre une demande de subvention à l’ECQ pour pouvoir créer un jeu numérique qui aurait deux grandes intentions pédagogiques : 1) Développer la maîtrise de l’anglais chez les étudiant.e.s de niveau collégial grâce à des ressources éducatives libres (UNESCO) et ludiques (Bonenfant, 2023, p. 77) sous forme de jeu sérieux numérique (Plante, 2016, p. 72) ; 2) Favoriser le développement de la compétence numérique des étudiant.e.s (ministère de l’Éducation du Québec, 2019). Ces ressources pédagogiques seraient mises à la disposition de toutes les personnes enseignantes du réseau collégial en tant que ressource éducative libre (REL) sous licence CC BY-NC-SA. Veuillez noter que deux versions de ce jeu d’enquête ont été développées, dont une sous forme de jeu vidéo (version Unity).1 Finalement, l’idée soumise à l’ECQ de créer un jeu sérieux numérique s’est concrétisée et je suis fière de vous présenter – A Journey through the Digital World and English Culture! En plus d’offrir des contenus académiques et culturels riches, ces REL pourront être adaptées, remixées et transformées par toutes les personnes enseignantes qui souhaitent intégrer ce jeu à leur enseignement. Je vous invite donc à vous prêter au jeu de l’expérimentation et de l’innovation pour le bien commun et le développement d’une littératie numérique anglophone chez la population étudiante collégiale. Bonne route numérique et au plaisir de vous retrouver sur le chemin de la collaboration créative!
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 | 0.006 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.015 | 0.016 |
| Scholarly communication | 0.016 | 0.012 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".