Design d’un outil de conception pédagogique, collaborative et contextualisé, fondé sur l’Intelligence artificielle. Une étroite collaboration entre l’équipe de recherche et les usagers des Antilles françaises (Martinique et Guadeloupe) et du Québec (Canada).: CO3PEDIA : un outil de conception pédagogique collaborative et contextualisée avec l’IA
Bibliographic record
Abstract
Cet article présente CO3PEDIA, un outil de scénarisation pédagogique collaborative et contextualisée, assisté par l’intelligence artificielle générative. Le projet s’inscrit dans une démarche de Design-Based Research (DBR) fondée sur le co-design avec des enseignants, conseillers pédagogiques et étudiants des Antilles françaises et du Québec. CO3PEDIA vise à soutenir la conception de scénarios pédagogiques en intégrant les dimensions institutionnelles, culturelles et didactiques propres aux contextes éducatifs. L’outil repose sur une architecture de génération augmentée par récupération (RAG), garantissant des recommandations pédagogiques fiables et contextualisées. Les résultats préliminaires montrent une amélioration de l’ergonomie, une réduction de la charge cognitive et une meilleure appropriation par les praticiens, avec un taux d’adoption avoisinant 90 %. L’étude met en évidence l’intérêt du co-design et de l’IA générative pour accompagner l’évolution des pratiques de scénarisation pédagogique de manière responsable et contextualisée.
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 | 0.024 | 0.031 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.014 | 0.010 |
| Open science | 0.003 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".