Fonds Gilles-Cormier 2021 (Wikimedica:Tâches/Liste/441/1)

De Wikimedica
Sauter à la navigation Sauter à la recherche
Fonds Gilles-Cormier 2021 (À faire)  Modifier cette tâche Aide
Type Tâche
Créateur Michaël St-Gelais
Responsable(s) Maude Allard, Michaël St-Gelais
État À faire
Date de création 2021/02/20
Échéance 2021/02/28
Priorité Normale
Projet(s)
<noinclude>
</noinclude>

https://www.fmed.ulaval.ca/fonds-gilles-cormier/

Concerne l'application à la bourse Gilles-Cormier pour 2021.


1 Sous-tâches[w]

Créer une sous-tâche

Aucune sous-tâche à afficher.

Aucune sous-tâche assignée à cette tâche.
- Type Priorité Titre Responsable(s) État Création
Voir les sous-tâches terminées...

2 Critères[modifier | w]

Le Fonds d’innovation en pédagogie des sciences de la santé - Gilles-Cormier a pour but de promouvoir et de soutenir le développement pédagogique à la Faculté de médecine de l’Université Laval par l’attribution :

  • D’octrois de recherche en pédagogie des sciences de la santé;
  • De subventions pour la réalisation d’innovations en pédagogie des sciences de la santé.

Le but du programme de soutien à l’innovation pédagogique est d’appuyer les projets novateurs en pédagogie des sciences de la santé qui seront réalisés à la Faculté de médecine de l’Université Laval (ex : production de matériels pédagogiques, développement d’outils d’évaluation, conception et réalisation d’activités de formation professorale). Les innovations pourront s’appliquer aux programmes de 1er, 2e ou 3e cycles, aux programmes postdoctoraux en médecine, ainsi qu’à divers secteurs de la Faculté de médecine (ex : admission, développement professionnel continu).

ADMISSIBILITÉ

  • Le demandeur principal doit être rattaché à la Faculté de médecine de l’Université Laval, peu importe son département ou programme et son statut : professeur régulier, professeur sous octroi, professeur de clinique, responsable de formation pratique, chargé d’enseignement, étudiant gradué ou résident.
  • Seules les demandes de groupes sont admissibles : le groupe étant deux personnes ou plus. Au moins un des membres du groupe doit être membre régulier du corps professoral de la Faculté de médecine de l’Université Laval (professeur ou professeur sous octroi).
  • Les demandes peuvent s’appliquer à plusieurs programmes, disciplines, facultés ou universités mais doivent minimalement s’appliquer à un programme ou secteur de la Faculté de médecine de l’Université Laval.
  • Toute demande doit être accompagnée d’au moins une lettre d’appui du directeur de département. Si le demandeur est un étudiant gradué/résident, la demande doit être accompagnée d’une lettre d’appui du directeur de programme, d’une lettre du directeur de département ainsi que celle d’un professeur régulier, membre de l’équipe de recherche.

SÉLECTION

Le Comité scientifique évalue les demandes de projets d’innovation pédagogique à partir des critères suivants :

  • Pertinence du projet
  • Originalité et innovation au plan pédagogique
  • Description du projet (clarté, recension, objectifs et étapes)
  • Valeur scientifique et retombées du projet
  • Faisabilité du projet (compétences de l’équipe à réaliser le projet et réalisme du projet : budget, ressources, échéancier, etc.)
  • Appréciation d’ensemble (clarté et cohérence de la demande dans son ensemble)

CONDITIONS D’ATTRIBUTION

Valeur et nombre de subventions

Le montant maximal de chaque subvention s’établit à 10 000 $. Le comité directeur peut accorder plus d’une subvention la même année, en répartissant les sommes disponibles entre les projets. Le comité se réserve le droit de ne retenir aucune demande si les critères mentionnés ci-haut ne sont pas respectés. Le comité peut accorder un budget moindre que celui demandé, si les sommes ne paraissent pas justifiées.

Durée

Seront examinés les projets débutant le 1 er juin 2021 et dont la durée est d’au moins dix-huit mois et d’au plus vingt-quatre mois.

Budget et versements

Toute proposition inclut un budget détaillé sur une page, budget qui comporte les rubriques suivantes :

1) Engagement du personnel

2) Matériel et fournitures

3) Déplacement et hébergement

4) Autres

Jusqu’à 10 % du montant de la subvention (maximum 1 000 $) peut servir à défrayer les coûts de transport, d’hébergement et de repas pour présenter les résultats de l’innovation dans une assemblée scientifique ou pour soutenir la publication d’un manuscrit dans une revue avec comité de pairs. Les dépenses suivantes ne sont pas admissibles :

  • Achat d’équipement
  • Salaires des membres de l’équipe soumissionnaire

En cas de financement multi sources, le demandeur principal devra démontrer qu’il n’y a pas de chevauchement de subventions. Une fois le projet approuvé, un compte sera ouvert au nom du demandeur. Au terme du projet un rapport final (max. 5 pages, incluant un bilan financier et un résumé sommaire du projet). Le rapport final devra être adressé au président du Fonds d’innovation en pédagogie des sciences de la santé - Gilles-Cormier. Les sommes non dépensées à la fin de la période d’octroi seront remises au Fonds d’innovation en pédagogie des sciences de la santé - Gilles-Cormier.

Autres exigences

Le Fonds d’innovation en pédagogie des sciences de la santé - Gilles-Cormier valorise la diffusion des travaux d’innovation pédagogique qu’il appuie financièrement. Aussi, en acceptant la subvention, le récipiendaire s’engage à présenter les résultats de ses travaux soit à la Journée annuelle de l’enseignement de la Faculté de médecine de l’Université Laval ou lors de tout événement pertinent. Par ailleurs, toutes les présentations (à la Faculté et ailleurs), ainsi que les publications découlant des travaux financés par le Fonds d’innovation en pédagogie des sciences de la santé - GillesCormier, doivent explicitement mentionner la contribution du Fonds d’innovation en pédagogie des sciences de la santé - Gilles-Cormier en appui à leur réalisation.

MODALITÉS DE PRÉSENTATION DES PROPOSITIONS

Les propositions doivent être soumises électroniquement à partir d’un fichier Word, format 8 ½ X 11 en utilisant une police Times New Roman 12 points, à interligne 1,5. Le document doit être paginé. Les propositions ne peuvent dépasser 10 pages (excluant la page titre, les références, les annexes, les CV et les lettres d’appui) et doivent être présentées selon le plan de rédaction suivant :

1. Page titre incluant : titre du projet, nom du demandeur principal et des personnes associées à la demande, adresse et coordonnées du demandeur principal d’innovation en pédagogie des sciences de la santé – (page exclue du 10 pages maximum)

2. Résumé sommaire du projet (max. 250 mots)

3. Description du projet (problématique, devis, méthodologie, objectifs)

4. Pertinence pédagogique du projet

5. Retombées prévues pour la Faculté de médecine, pérennisation du projet et pour ses partenaires (s’il y a lieu)

6. Échéancier

7. Budget (sur une page distincte)

8. Références (page exclue du 10 pages maximum)

9. Annexes (s’il y a lieu)

10. Curriculum vitæ abrégé (deux pages maximum) de chaque personne impliquée dans la demande (page exclue du 10 pages maximum)

11. Lettre(s) d’appui (page exclue du 10 pages maximum)

Toute proposition non conforme aux modalités de présentation précédentes ne sera pas considérée.

La demande doit être acheminée à : Présidente du Fonds d’innovation en pédagogie des sciences de la santé - Gilles-Cormier Lucie Rochefort Vice-doyenne à la pédagogie et au développement professionnel continu Faculté de médecine Pavillon Ferdinand-Vandry, local 2895-C Université Laval Québec, Canada G1V 0A6 Téléphone : 418 656-2131 poste 405227 Télécopieur : 418 656-2465 Courriel : secretariat.vdpdpc@fmed.ulaval.ca

DATE LIMITE DE RÉCEPTION DES DEMANDES : 28 février 2021, 23h59 Les demandes soumises après cette date ne seront pas considérées. La décision du Comité scientifique sera annoncée le 25 mai 2020. DATES À RETENIR Dépôt des demandes : 28 février 2021 Annonce de la décision : 24 mai 2021 Début du projet : 1 er juin 2021 Rapport de recherche : Dépôt à la fin du projet

3 Résumé sommaire du projet (max. 250 mots)[modifier | w]

Wikimedica est un organisme à but non lucratif qui gère une plateforme du même nom dont l'objectif est de faciliter le transfert de connaissance en santé via une plateforme en libre accès de type wiki. En une phrase, Wikimedica veut devenir LA base de connaissance médicale utilisée par les cliniciens au chevet des patients.

Parmi les ressources disponibles sur la plateforme, on retrouve des contenus liés aux cours suivis par les étudiants en médecine de l’Université Laval. Les étudiants peuvent ainsi utiliser des jeux de cartes-mémoire de type questions-réponses pour les aider à mémoriser des concepts importants pour leur future pratique. Mais ces jeux dans leur état actuel sont statiques et ne sont pas optimisés pour aider à la mémorisation. En effet, en incorporant le principe de répétition espacée, le processus de mémorisation est plus efficace car cela permet de limiter l’oubli dans le temps. De plus, en analysant le suivi des apprentissages, de précieuses informations pourraient être obtenues, que ce soit pour les apprenants ou pour les professeurs.

Ce projet consiste donc à proposer un système de jeux de questions-réponses qui intègre le principe de répétition espacée, accompagnés de processus d’analyse de l’apprentissage pour accompagner l’apprenant dans ses sessions de mémorisation. Les résultats d’analyse seront également utilisés pour offrir aux professeurs des cours concernés des compte-rendus des sessions de mémorisation, notamment pour en souligner les lacunes.

Un tel système sera d'abord déployé chez les étudiants, mais sera ensuite utilisé dans un contexte de formation continue des professionnels de la santé.

4 Description du projet (problématique, devis, méthodologie, objectifs)[modifier | w]

Wikimedica est un organisme à but non lucratif qui rend disponible une base de connaissance collaborative de type wiki en libre accès. Cette plateforme permet aux professionnels de la santé de contribuer au contenu nécessaire à leur profession. Les étudiants en médecine à l’Université Laval ont une section distincte sur la plateforme où sont rassemblés des résumés, des notes de cours et des questions pour réviser les concepts importants vus en cours.

Ces questions ont été initialement prévues pour constituer un jeu de cartes mémoire (flashcards en anglais) qui permet de créer un dispositif d’apprentissage pour aider à la mémorisation. À la base, les cartes mémoire sont de simples fiches cartonnées comportant une question d’un côté et la réponse de l’autre. L’apprenant tire une carte et y répond; il reprend les cartes mal répondues jusqu’à ce qu’il n’y ait plus d’erreurs. Pour parfaire la mémorisation, un philosophe allemand, Sebastian Leitner y a associé le principe de répétition espacée, basé sur la courbe de l’oubli mise en évidence par Ebbinghaus en 1885, faisant ainsi la supposition qu’en répétant une information plus de fois que nécessaire, elle sera plus difficile à oublier. Plus précisément, le système proposé par Leitner dans les années 1970 utilise une boite compartimentée. Au départ, les cartes se trouvent dans le premier compartiment et le tirage commence dans ce compartiment. Lorsque la réponse est juste, la carte est placée dans le deuxième compartiment; si elle est fausse, elle doit être remise dans le premier compartiment en fin de pile. Les cartes bien répondues sont ainsi déplacées de compartiment en compartiment alors que celles mal répondues se retrouvent toujours dans le premier compartiment. L’avantage de cette méthode de mémorisation est qu’elle permet à l’apprenant de se concentrer sur les cartes qu’il connaît le moins et donc de réduire le temps d’étude.

Des logiciels sont disponibles pour reproduire des jeux de cartes mémoire et le principe de tirages répétés. On peut citer le logiciel libre ANKI (https://apps.ankiweb.net/), qui en est un bon exemple. Cependant, c’est l’apprenant qui doit créer ses propres cartes mémoire ou en partager avec d’autres et initier une session d’apprentissage d’une durée déterminée; il n’y a pas de suivi sur le long terme. D’autres logiciels ont exploré le principe de répétition espacée pour apporter plus de précision dans la répétition. En particulier, l’application Duolingo disponible en ligne, qui vise à enseigner une langue étrangère avec une approche ludique, personnalise le système de répétition espacée en fonction du vocabulaire enseigné et des performances des utilisateurs. Un modèle d’apprentissage automatique a été mis au point pour modéliser la demi-vie des mots enseignés, soit le moment où l’apprenant a une chance sur deux d’oublier le mot enseigné (Settles et Meeder, 2016). La répétition du mot enseigné doit se faire avant ce moment pour poursuivre l’apprentissage et ainsi éviter l’oubli. Pour calculer la demi-vie, le modèle se base sur les réussites et échecs de l’apprenant pour ce mot et le rôle du mot dans la phrase afin d’en déterminer sa difficulté. Les résultats obtenus avec plusieurs centaines de milliers d’utilisateurs ont montré une augmentation de la proportion des apprenants hebdomadaires bien que certains aspects devraient être revus. Ce principe a également inspiré un modèle d’analyse de traces dans le cadre d’un jeu pour apprendre des règles grammaticales et d’orthographe (Valentin et Capus, 2019). Nous poursuivrons l’exploration de ce principe avec les cartes mémoire de Wikimedica pour améliorer leur efficacité. Toutefois, des modifications devront être apportées car le contenu à apprendre est bien différent, notamment en ce qui concerne l’importance à donner aux concepts les uns par rapport aux autres.

Les systèmes tuteurs intelligents ont également une composante qui évalue les performances de l’apprenant en vue de lui prescrire un parcours utile basé sur cette évaluation (Woolf et al., 2001). Ainsi, le système identifie les connaissances présumées de l’apprenant et fait des inférences sur ce qu’il maîtrise. La courbe d’apprentissage est alors modélisée par un ensemble d’étapes. Streeter (2015), quant à lui, montre comment modéliser des courbes d’apprentissage en représentant la probabilité que l’apprenant fasse une erreur en fonction du temps écoulé. Il propose d’améliorer le système d’analyse de traces d’apprentissage en regroupant les résultats de l’apprenant dans un vecteur binaire pour en déterminer la distribution probabiliste exacte pour un exercice donné. Ainsi, avec ce modèle, il serait possible de personnaliser les courbes d’apprentissage a priori pour chaque exercice, d’étudier les groupes d’apprenants qui ont la même courbe d’apprentissage et de déterminer un programme de formation en fonction des résultats précédents. Ces travaux sont intéressants car habituellement les logiciels utilisés dans le cadre d’un cours ou d’une formation ont tendance à considérer que les apprenants évoluent de la même manière. En effet, le système de traces d’apprentissage utilisé pour évaluer l’évolution des apprenants est plutôt destiné à améliorer le système lui-même (Woolf et al., 2013) ou encore à offrir des statistiques pour les tableaux de bord des enseignants (Leuween, 2015) et des apprenants (Duval, 2011) pour montrer les progrès réalisés, et non pour personnaliser la poursuite de l’apprentissage.

Enfin, une autre dimension actuellement peu exploitée par les systèmes de traces d’apprentissage est le fait que les modèles mis au point n’ont pas pour but d’amener les apprenants à réfléchir à leurs propres apprentissages (Chatti et al., 2012), ce qui semble important pour améliorer l’efficacité personnelle. Un ensemble de cartes-mémoire seul apporte donc peu de bénéfices dans le processus de mémorisation, si cet ensemble n’est pas utilisé en tenant compte de la courbe de l’oubli. Les apprenants ne peuvent être que démotivés à utiliser ces cartes-mémoire qui pourtant sont d’une efficacité démontrée pour mémoriser des concepts indispensables.

    1. Objectif général du projet de recherche divisé en sous-objectifs, activités, thèmes ou sous-projets, selon le cas :

Le projet de recherche a pour objectif général de modéliser un dispositif de recommandation de cartes mémoire destiné dans un premier temps aux étudiants en médecine, puis éventuellement à la formation continue des professionnels de la santé en pratique.

Le projet se décompose en quatre sous-objectifs qui sont liés les uns aux autres, certains devront être réalisés en séquence. Ces sous-objectifs consistent à élaborer :

  • un système de jeux de cartes mémoire basé sur le principe de répétition espacée disponible sur la plateforme Wikimedica et qui pourra s’intégrer à une application mobile ;
  • un module de traces d’apprentissage permettant un suivi personnalisé de recommandations pour chaque utilisateur, les traces d’apprentissage étant extraites du système de jeux de cartes mémoire ;
  • un module de traces d’apprentissage pour évaluer les apprentissages des utilisateurs dans son ensemble (forces, lacunes à combler, catégories d’utilisateurs, etc.), les traces d’apprentissage étant également extraites du système de jeux de cartes mémoire ;
  • un module offrant des conseils personnalisés suite à l’évaluation des parcours d’apprentissage.

Pour chaque sous-objectif, une évaluation sera réalisée en collaboration avec les étudiants et les professeurs de pré-clinique de manière à valider les modèles proposés. Certains ont d’ailleurs été contactés et sont intéressés à participer au projet. Ces expérimentations pourraient faire l’objet de demandes de financement à l’aide du programme d’appui à l’innovation pédagogique de l’Université Laval.

    1. Détails des stages ou sous-projets :

Pour chaque stagiaire ou sous-projet, veuillez fournir les renseignements obligatoires suivants :

    1. Objectifs précis du stage ou du sous-projet. Énoncer clairement vos objectifs ou sous-objectifs pour que les examinateurs puissent évaluer s’ils sont atteignables.

Actuellement, l’équipe de Wikimedica est en train de développer une extension de gestion des flashcards plus conviviale pour la présentation, l’ajout et l’organisation en jeux des cartes. L’extension sera disponible dès le début du stage. Ainsi, le stagiaire se concentrera sur l’intégration des techniques d’intelligence artificielle qui permettront d’offrir un suivi personnalisé aux apprenants et un aperçu des apprentissages réalisés à l’intention des professeurs, ce qui est en lien avec les deuxième et troisième objectifs.

La recommandation se fera à l’aide du principe de répétition espacée, technique de mémorisation efficace basée sur des révisions à intervalles précis permettant de limiter l’oubli. Le dispositif calculera pour chaque apprenant la courbe d’apprentissage a priori pour un jeu de cartes donné afin de personnaliser la recommandation. Chaque étudiant pourra ainsi avoir un programme de formation personnalisés en fonction des résultats qu’il aura déjà obtenus. Des notifications seront envoyées à l’étudiant pour l’inciter à suivre son programme en lui expliquant l’importance de revoir les concepts à des moments précis. C’est une manière de l’impliquer dans son cheminement d’apprentissage. Des conseils de révision pourraient également être proposés en fonction des résultats obtenus. La modélisation de courbes d’apprentissage a déjà été réalisée à partir du principe de répétition espacée, mais surtout pour l’apprentissage des langues. Des ajustements devront être faits pour pouvoir l’utiliser dans un contexte médical, notamment pour déterminer l’importance des concepts les uns par rapport aux autres.

De plus, l’analyse des traces d’apprentissage permettra d’étudier les groupes d’apprenants qui ont la même courbe d’apprentissage. De telles analyses aideraient certainement à obtenir une rétroaction importante pour mettre à jour les jeux de cartes mémoire, mais également pour évaluer comment les concepts sont assimilés. Cet aspect pourrait être également mis à profit pour la formation du personnel de santé en pratique : c’est un objectif également visé par l’organisme Wikimedica. Le système de traces d’apprentissage pourrait en effet apporter des informations intéressantes aux médecins notamment par l’identification de lacunes sur tel ou tel sujet, qui pourrait ensuite faire l’objet de programmes de formation continue mieux ciblé. Ce serait un très bon moyen pour améliorer la qualité des connaissances des professionnels de la santé en pratique

    1. Méthodologie. Fournir assez de détails pour que les examinateurs puissent déterminer si la méthodologie proposée est appropriée et suffisante pour atteindre les objectifs ou sous-objectifs.

Pour atteindre les objectifs du stage, le stagiaire élaborera un modèle de jeux de cartes mémoire dans le contexte de la plateforme Wikimedica, accompagné d’un plan de conception détaillé en ce qui concerne les processus d’intelligence artificielle à intégrer. Ce plan viendra améliorer l’extension de gestion des flashcards déjà existante.

Pour élaborer ce modèle et ce plan de conception, différentes étapes sont à prévoir :

  • Réaliser un état de l’art des travaux de recherche portant sur l’analyse des systèmes de traces d’apprentissage destinés à évaluer le suivi des apprentissages (représentation de courbes d’apprentissage ou autres). Une attention particulière sera portée sur les travaux s’inspirant du principe de répétition espacée.
  • Définir les processus de mise en œuvre pour intégrer la répétition espacée dans les jeux de cartes mémoire. Pour chaque session d’utilisation, l’apprenant accédera aux cartes mémoire en fonction de ses réponses, lui permettant de revoir celles qui n’ont pas été bien répondues.
  • Déterminer les moyens d’offrir un suivi personnalisé pour les apprenants : données apprenant à collecter, notifications à prévoir, etc. Pour limiter l’oubli, l’utilisation des cartes mémoire doit se répéter sur une certaine période de temps selon le principe de répétition espacée. Un mécanisme d’analyse de traces sera à prévoir à partir de l’état de l’art effectué dans la première étape pour déterminer comment faire un suivi de l’utilisation des cartes mémoire, puis de notifier l’apprenant au bon moment pour rendre le processus de mémorisation le plus efficace.
  • Proposer une analyse des courbes d’apprentissage pour évaluer les réponses aux questions d’un point de vue global (temps de réussite, échecs répétés, etc.). Les cartes mémoire sont intéressantes pour aider les apprenants à mémoriser les concepts appris; mais l’évaluation des réponses peuvent alimenter la réflexion sur les apprentissages réalisés. Les courbes d’apprentissage peuvent être analysées en fonction des questions réussies ou non ainsi que du nombre d’essais nécessaires pour réussir à bien répondre à ces questions. Cette analyse peut servir autant pour évaluer la pertinence des questions que pour souligner une lacune par rapport à certains concepts.
  • Spécifier les éléments disponibles pour produire un compte-rendu des apprentissages réalisés. Cette spécification pourra ensuite être utilisée pour afficher les résultats sous la forme d’un tableau de bord, plus visuel. Ces informations pourraient être utiles pour les membres de Wikimedica afin d’ajuster les cartes mémoire ou encore pour les professeurs qui offrent les cours en lien avec les cartes mémoire. Ceci pourra ouvrir la voie à une prédiction des courbes d’apprentissage afin de détecter à l’avance les difficultés des apprenants.

Le stagiaire aura à réaliser un prototype afin de tester la fonctionnalité du modèle proposé. À l’issue de ce stage et avec ce modèle et ce plan de conception, l’organisme Wikimedica sera en mesure de mettre en œuvre un outil d’aide à la mémorisation plus efficace. Des tests pourront ensuite être menés avec un échantillon d’utilisateurs, ce qui permettra également d’ajuster le modèle selon les résultats obtenus.

    1. Livrables attendus. Chaque projet nécessite le dépôt d’un rapport de fin de projet Mitacs et d’un sondage de fin de projet Mitacs. Veuillez décrire les autres livrables attendus pour le projet c.-à-d. les résultats attendus, documents (thèse du stagiaire, journal révisé par des pairs, présentation dans une conférence).

Le stagiaire devra remettre à la fin du stage les éléments suivants :

  • chaqueun rapport-synthèse des systèmes de traces d’apprentissage destinés au suivi de l’apprentissage;
  • chaqueun modèle de jeux de cartes mémoire;
  • chaqueun plan de conception détaillé des processus d’intelligence artificielle à intégrer;
  • chaqueun prototype;
  • un article présenté et publié dans une conférence internationale.
      1. Avantages pour le stagiaire. Le stagiaire aura l’occasion d’appliquer ses connaissances en informatique à un cas concret d’utilisation.  Ce projet est en adéquation avec le cursus académique du stagiaire. Cela lui permettra d’appliquer ses apprentissages scolaires en ce qui attrait à la collecte et l’évaluation des besoins d’un client. La réalisation d’un état de l’art est une étape importante dans l’élaboration d’un projet de recherche. C’est le point de départ pour maîtriser un domaine et identifier une problématique, ce qui se fera après ce stage. Enfin, travailler sur les systèmes de traces d’apprentissage implique assurément de disposer de traces d’apprentissage afin de pouvoir expérimenter les solutions proposées. Il est donc important de s’assurer dès le départ que le projet de recherche s’inscrit dans un contexte qui permettra d’avoir accès à ces données, comme ce sera le cas avec la plateforme Wikimedica.
    1. Présence dans les locaux du partenaire.  
        1. Activités / SemainesFournir une description détaillée des activités qui seront réalisées dans les locaux de l’organisme partenaire et l’interaction attendue avec les employés de l’organisme partenaire ainsi que la supervision qu’ils fourniront.

L’OBNL Wikimedica ne dispose pas de locaux : tout se passe à distance. Conséquemment, le stagiaire pourra travailler depuis la maison.

L’interaction attendue est une communication au minimum hebdomadaire pour ajuster le tir afin que le livrable soit cohérent avec les besoins de l’OBNL. Idéalement, la majorité des communications doivent se faire via la plateforme, qui contient un système de tâche et un outil de discussion intégré. En gardant les interactions sur la plateforme, cela garde une trace des démarches pour les utilisateurs, assurant une transparence des plus complètes. Michaël St-Gelais et Antoine Mercier-Linteau seront disponibles sur une base quasi-quotidienne pour répondre aux questions du stagiaire, à distance ou même en présentiel, si la situation avec le COVID le permet.

        1. Activités / SemainesIndiquer les ressources que l’organisme partenaire fournira pour supporter le travail du stagiaire dans ses locaux. Inclure ici l’information sur (1) l’espace, (2) les ressources et (3) l’expertise qui seront disponibles pour le stagiaire.

Wikimedica rendra disponible à l’étudiant les ressources suivantes :

La possibilité de déployer une version de Wikimedica en local sur l’ordinateur du participant afin de procéder aux tests et au prototype.

La possibilité de discuter sur une base au moins hebdomadaire avec l’expert en informatique de la plateforme, Antoine Mercier-Linteau, qui est ingénieur en informatique et résident en médecine familiale ; M. Mercier-Linteau est expert en plateforme de type wiki, ayant construit la plateforme depuis son tout début en 2016 et étant un collaborateur de longue date de Wikipédia. Il maîtrise MediaWiki, Semantic MediaWiki ainsi que la programmation en lien avec ces deux plateformes.

La possibilité de discuter avec Michaël St-Gelais, président du Conseil d’administration de Wikimedica et médecin de famille, sur une base au minimum hebdomadaire. L’apport de M. St-Gelais sera au niveau des réponses à apporter quant aux caractéristiques que devra compter le système de flashcards, l’expérience utilisateur et le fonctionnement général de la plateforme.

La possibilité de discuter avec les professeurs de néphrologie et d’urologie qui seront les bénéficiaires du prototype : Dr Paul René de Cotret, Dr Yves Caumartin et Dr Mathieu Rousseau-Gagnon. La fréquence des rencontres est à déterminer.

L’étudiant aura accès à la base d’utilisateurs pour procéder à des tests et recueillir des commentaires. Michaël St-Gelais et Antoine Mercier-Linteau appuieront l’étudiant dans le recrutement des testeurs.

Au-delà des ressources humaines fournies par Wikimedica, l’étudiant aura accès aux forums des développeurs ainsi que toute la documentation sur les sites web de MediaWiki et de Semantic MediaWiki. Certaines pages qui concernent l’infrastructure sont également disponibles sur la plateforme Wikimedica.

    1. Pertinence pour l’organisme partenaire et le Canada :Décrire (1) le rôle proposé du partenaire dans le projet, (2) comment le partenaire bénéficiera de sa participation et (3) comment la communauté canadienne bénéficiera de cette recherche.

(1) Le rôle de Wikimedica comme OBNL sera d'aider l'étudiant à l'apprentissage de la plateforme, d'offrir de l'assistance technique, de participer aux échanges et aux réflexions pour bien définir les besoins des professeurs dans leur enseignement auprès des étudiants, de s'assurer que la technologie puisse être réutilisée par d'autres acteurs en enseignement et de participer aux tests de la technologie développée. Si finalement la technologie développée s'avère à la hauteur des espérances, Wikimedica contribuera à la diffusion et au partage de cette technologie à l'échelle universitaire, québécoise, mondiale et dans la communauté MediaWiki.

(2) L’organisme Wikimedica bénéficiera de sa participation de plusieurs manières :

  • en déployant cette technologie au sein des étudiants au pré-clinique à l'Université Laval, cela permettra d'augmenter la présence de ceux-ci sur le site et potentiellement de fidéliser des rédacteurs qui continueront à contribuer au courant de leur carrière à la plateforme ;
  • en améliorant la connaissance de la communauté universitaire aux bénéfices du libre accès ;
  • en utilisant la technologie développée pour les étudiants des autres programmes de la santé ;
  • en déployant la technologie développée au niveau des professionnels de la santé en pratique, cela permettrait d'augmenter les revenus autonomes en bonifiant l’offre de formation continue.

(3) En développant cette technologie, la communauté canadienne en bénéficiera certainement :

  • la technologie développée sera téléversée sur MediaWiki, qui pourra être réutilisée par d'autres acteurs du secteur public ou privé. En contribuant à des logiciels libres, on catalyse l'innovation et la collaboration à l'échelle canadienne et planétaire ;
  • si cette technologie est utilisée par les autres cours au pré-clinique à l'Université Laval, il y aura un effet bénéfique pour l'apprentissage des étudiants dans cet établissement d'enseignement particulier, et donc un effet sur les connaissances de futurs médecins ;
  • si cette technologie est utilisée par les professionnels de la santé au Québec dans le cadre de leur formation continue, il y a un potentiel d'améliorer la qualité des connaissances de ces professionnels de la santé et d'améliorer indirectement la qualité des soins aux patients.

5 Pertinence pédagogique du projet[modifier | w]

La pertinence pédagogique du projet

6 Retombées prévues pour la Faculté de médecine, pérennisation du projet et pour ses partenaires (s’il y a lieu)[modifier | w]

Le développement de questions interactives et intelligentes dans le cadre d'un cours spécifique en médecine permettra d'expérimenter à fond les questions intelligentes pour ensuite déployer cette même technologie au niveau de la formation continue des professionnels de la santé. Cette offre de formation continue n'existe pas à notre connaissance dans le domaine de la santé, ce qui ouvre la possibilité pour Wikimedica de nouvelles pistes de revenus.

Cette nouvelle piste de revenus pourrait prendre la forme d'un abonnement annuel ou mensuel pour avoir accès aux questions interactives de la plateforme, ce qui permettrait de dégager des revenus supplémentaires pour l’OBNL Wikimedica. Il y a plus de 130 000 professionnels de la santé au Québec qui doivent faire de la formation continue dans le cadre de leur profession. Si 1 % de ces 130 000 professionnels de la santé (1 300) avait un abonnement annuel de 100 $, cela pourrait équivaloir à des revenus supplémentaires autonomes de 130 000 $ par année pour l'OBNL. Ce sont des chiffres hypothétiques : avant de lancer la formation continue pour les professionnels de la santé en pratique, il faudrait préalablement obtenir une étude de marché.

Préalablement au développement de cette offre de formation continue, il y a plusieurs étapes à franchir :

  • s'assurer que les organismes d'accréditation de la formation continue accréditeraient cette offre de formation novatrice ;
  • développer une base de contenu solide sur lequel il est possible de baser les réponses aux questions ;
  • écrire des questions pour alimenter le système de formation continue intelligent.

Même si à terme ce projet ne permet pas d'obtenir des gains économiques comme OBNL, la technologie développée sera téléversée sur MediaWiki (logiciel libre grâce auquel Wikipédia fonctionne), ce qui permettra aux développeurs du monde entier de bonifier la technologie et d'en faire bénéficier l'ensemble de la collectivité canadienne et mondiale. Par ailleurs, si elle fonctionne pour un cours en médecine à l'Université Laval, cette même technologie pourra être déployée dans les autres cours en médecine.

Dans le meilleur des cas, la technologie servira à la fois à d'autres projets utilisant la technologie de MediaWiki à travers le monde en plus de favoriser des recettes autonomes pour notre OBNL. Dans le pire des cas, la technologie servira seulement à d'autres projets à travers le monde.

7 Échéancier[modifier | w]

État de l’art traces d’apprentissage (semaines 1 à 5)

  • Collecter la documentation (semaines 1 et 2)
  • Sélectionner et lire les documents (semaines 2 et 3)
  • Identifier les éléments pertinents (semaines 2 à 4)
  • Rédiger la synthèse (semaines 4 et 5)

Modélisation du système (semaines 4 à 23)

  • Prendre en main de la plateforme Wikimedica (semaines 4 et 5)
  • Définir les processus pour la répétition espacée (semaines 5 à 9)
  • Identifier les moyens pour le suivi apprenant (semaines 9 et 10)
  • Mettre au point les analyses de courbes d’app (semaines 11 à 15)
  • Mettre en évidence des éléments pour le compte-rendu (semaines 15 et 16)
  • Prototyper les parties critiques (semaines 8 à 20)
  • Rédiger le plan de conception (semaines 21 à 24)

Rédaction finale (semaines 23 et 24)

8 Budget (sur une page distincte)[modifier | w]

Le budget demandé par Wikimedica est de 10 000 $.

Chez MITACS, le financement de base commence à 15 000 $ par projet de 4 mois : 7 500 $ de Mitacs et 7 500 $ par un autre partenaire.

Dans ce cas-ci, le partenaire serait la bourse Gilles-Cormier, qui nous permettrait de compléter le montage financier en vue d'appliquer à la bourse Mitacs.

9 Références (page exclue du 10 pages maximum)[modifier | w]

  • M.A. Chatti, A.L. Dyckhoff, U. Schroeder et H. Thüs (2012). A Reference Model for Learning Analytics, International Journal of Technology Enhanced Learning, Vol. 4, No. 5/6, pages 318-331.
  • E. Duval (2011). Attention please!: learning analytics for visualization and recommendation. Proceedings of the 1st International Conference on Learning Analytics and Knowledge, LAK '11, pp. 9-17.
  • A. van Leeuwen (2015). Learning analytics to support teachers during synchronous CSCL: balancing between overview and overload, Journal of Learning Analytics, Vol. 2, No. 2, pp. 138-162.
  • B. Settles et B. Meeder (2016). A Trainable Spaced Repetition Model for Language Learning. Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pp. 1848–1858.
  • M. Streeter (2015). Mixture Modeling of Individual Learning Curves. International Educational Data Mining Society, Proceedings of the 8th International Conference on Educational Data Mining (EDM), Madrid, Spain, Jun 26-29, 2015, pp. 45-52.
  • P. Valentin et L. Capus (2019). A model to personalise educational and playful aspects in serious games, EDULEARN 2019, 1-3 juillet 2019, Palma de Mallorca, Espagne.
  • B.P. Woolf, H. Chad Lane, V.K. Chaudhri, J.L. Kolodner (2013). AI Grand Challenges for Education, AI Magazine, Vol. 34, No. 4, pp. 66-84.
  • B.P., Woolf,  J. Beck, C. Eliot, et M. Stern (2001). Growth and Maturity of Intelligent Tutoring Systems: A status report, in P. Feltovich and K. Forbus (Eds.), Smart Machines in Education, Menlo Park, CA: AAAI Press, 2001, pp. 99-144.

10 Annexes (s’il y a lieu)[modifier | w]

11 Discussion[modifier | w]