L’interaction en formation à distance : entre théories et pratiques
Notice bibliographique
Résumé
Alors que la formation à distance (FAD) se développe plus fortement depuis une vingtaine d’années et permet d’accroître l’accessibilité de l’enseignement supérieur (collégial et universitaire), la persévérance des étudiants et la qualité de leurs apprentissages demeurent problématiques. L’incitation aux échanges voire au travail entre pairs est parfois envisagée comme une solution mais les dispositifs sont variés et leurs impacts mal connus.C’est ce qui a motivé la recension et l’analyse présentées ici, concernant les dispositifs technopédagogiques encourageant l’interaction à distance dans le cadre de l’enseignement supérieur au Canada. Notre revue systématique de la littérature porte sur 60 études publiées entre janvier 2005 et décembre 2014.Elle a permis d’obtenir deux résultats: premièrement, une typologie des dispositifs fondée sur les objectifs qu’ils poursuivent et, deuxièmement, une typologie des problématiques de recherche dans le domaine identifiant quatre grandes questions de recherche. Ces études font ressortir que l’interaction, tout comme le travail collaboratif, constituent des défis pour les apprenants qui considèrent davantage l’aspect contraignant que les opportunités offertes. Elles démontrent cependant que, lorsque les étudiants y parviennent, ils tirent satisfaction des liens sociaux noués avec leurs pairs et sont susceptibles de réaliser des apprentissages approfondis, ce qui est notamment le cas dans le cadre de situation d’apprentissage authentique visant le développement de compétences.
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 | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,013 | 0,061 |
| Communication savante | 0,022 | 0,019 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».