Le développement de l'activité dans les communautés virtuelles d'apprentissage en contexte de diversité culturelle
Notice bibliographique
Résumé
L'utilisation accrue des technologies de l'information (TI) provoque des transformations sociales importantes dans plusieurs secteurs professionnels, dont l'éducation. Cette recherche tente d'identifier les dimensions culturelles intervenant sur le développement de l'activité entre tuteurs et étudiants dans les communautés virtuelles d'apprentissage (CVA) en contexte de diversité culturelle. Nous utilisons un cadre théorique basé sur la théorie de l'activité et une adaptation d'un modèle intégrateur de la culture. Le constructivisme social s'avère un courant théorique approprié pour identifier les phénomènes observés et les comprendre dans leur contexte. Une analyse qualitative de récits de pratique jumelée à des statistiques simples permet de construire une théorie à la fois exploratoire et descriptive des phénomènes à l'étude. Les résultats suggèrent que certaines dimensions culturelles, notamment une action centrée sur l'individu, de même qu'une conception des relations interpersonnelles collectiviste et égalitaire, semblent intervenir sur certaines dimensions du modèle d'activité proposé. Ces éléments de réponse à la question de recherche sont ensuite repris pour proposer des pistes d'intervention aux praticiens du développement organisationnel et spécialistes en éducation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».