MétaCan
Menu
Retour à la cohorte
Enregistrement W3011950901 · doi:10.7202/1067711ar

Traitement médiatique des MOOC en tant qu’innovation numérique en éducation : analyse du positionnement des chercheurs, des administrations universitaires et des directions des plateformes de MOOC

2020· article· fr· W3011950901 sur OpenAlexaffvenue
Simon Collin, Hamid Saffari, Demba Seck

Notice bibliographique

RevueNouveaux cahiers de la recherche en éducation · 2020
Typearticle
Languefr
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensUniversité du Québec en OutaouaisUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Entre 2012 et 2014, les MOOC(Massive Open Online Courses),en tant qu’innovation numérique en pédagogie universitaire, ont fait l’objet d’un fort traitement médiatique. Loin d’être une simple courroie de transmission, ce traitement médiatique peut être compris comme une mise en scène de différents acteurs (politiques, administratifs, scientifiques, éducatifs) articulés autour d’un imaginaire des MOOC en tant qu’innovation. Certains aspects de cet imaginaire ont déjà pu être identifiés lors d’une précédente étude (Collin et Saffari, 2015), ainsi que trois types d’intervenants principalement cités ou interviewés par les médias au regard des MOOC : les administrations universitaires, les directions des plateformes de MOOC et les chercheurs étudiant les technologies en éducation. En revanche, la manière dont le traitement médiatique des MOOC a mis en scène ces trois types d’acteurs n’a pas fait l’objet d’analyse. C’est ce que nous nous proposons d’approfondir dans le cadre du présent article, dont l’objectif est de mieux comprendre comment le traitement médiatique des MOOC positionne les chercheurs, les administrations universitaires et les directions de plateformes MOOC au sein de l’imaginaire qu’ils véhiculent. Pour ce faire, nous avons mené une analyse secondaire du même corpus d’articles journalistiques qui a servi à la première étude (voir Collin et Saffari, 2015), en nous focalisant cette fois-ci sur les différents intervenants cités ou interviewés dans les articles journalistiques (p. ex., chercheurs, directions des plateformes MOOC, administrations universitaires). Les résultats de l’analyse de contenu permettent d’identifier, pour chaque type d’intervenant, des positionnements complémentaires au sein du traitement médiatique des MOOC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,002
Communication savante0,0080,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,126
Tête enseignante GPT0,389
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNouveaux cahiers de la recherche en éducationMême sujetOnline Learning and AnalyticsTravaux en français237 207