MétaCan
Menu
Retour à la cohorte
Enregistrement W3044693431

Formation à distance, jeux sérieux et accompagnement : des pistes pour aider les étudiants en situation de handicap

2020· article· fr· W3044693431 sur OpenAlexaboutno aff
Caroline Brassard, Patrick Plante

Notice bibliographique

RevueR-libre (Université Téluq) · 2020
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

1) Conception de cours à distance et utilisation de jeux sérieux : des pistes pour aider les étudiants en situation de handicap \n \nLa pandémie va changer la façon durable la manière de concevoir des cours qui vont passer du face-à-face à l’interface. C’est pour aider à cette transition que le site https://jenseigneadistance.teluq.ca/ est rendu public. La formation à distance génère un lot de défis pour les étudiants en situation de handicap. Il faut apporter un souci supplémentaire à la conception des cours, mais aussi à la motivation et à la persévérance. Dans ce contexte, les jeux sérieux et la ludification peuvent aider. Le jeu n’est pas un nouveau domaine en éducation. Depuis des centaines d’années, le jeu est formateur et offre la possibilité d’améliorer des compétences. Cependant, depuis les années 1970, la méthode scientifique ainsi que des objectifs clairement définis, jumelés à la révolution informatique, ont structuré le domaine des jeux sérieux numériques. Le jeu, comme phénomène social, s’insère de plus en plus dans différentes sphères de la vie quotidienne, dont l’éducation et la formation. Il est alors pertinent de se demander, au-delà du phénomène de mode, où sont les avantages de l’utilisation des jeux sérieux et de la ludification spécialement pour les étudiants en situation de handicap. \n \n2) Accompagnement des étudiants en situation de handicap à distance : enjeux, défis et pistes d’action. \n \nLe soutien aux étudiants en situation de handicap pose naturellement de nombreux défis, mais les équipes au sein des institutions ont développé de nombreux services de proximité pour les accompagner. Lorsque vient le temps de faire cet accompagnement à distance, plusieurs questions émergent et certaines pratiques doivent être adaptées. \n \nQuels sont les enjeux spécifiques à la formation à distance ? Quels défis particuliers ont à relever étudiants et intervenants pour continuer sur la voie de la réussite ? Et surtout, quelles pistes d’action peuvent être mises en place pour soutenir adéquatement les étudiants en situation de handicap et répondre efficacement à leurs besoins ? C’est à ces questions que la présentation apportera réponse. \n \n3) L’aide juste à temps pour le succès et la persévérance des étudiants en formation à distance \n \nDepuis ces dernières années, le nombre d’étudiants à situations particulières (TDAH, autisme, déficience auditive, etc.) est en constante augmentation dans les institutions d’enseignement québécois passant de 8 201 en 2013 (Gagné & Tremblay, 2018) à 18 064 en 2019 (Gagné, Tremblay, & Bussières, 2020). L’Université TÉLUQ, qui offre des cours et des programmes à distance, accueille près de 20 000 étudiants par année. En plus des étudiants en situations particulières, plusieurs reviennent aux études après un long laps de temps afin, d’améliorer leur situation professionnelle, tout en travaillant à temps plein. L’Université TÉLUQ, par l’entremise de son Service aux étudiants (SAE), s’est donné pour mandat d’améliorer le succès, la persévérance et la rétention et de ces étudiants. Pour y arriver, un comité sur les outils d’aide à la réussite étudiante a été mis sur pied. Des enquêtes ont permis d’identifier plusieurs facteurs de risques liés à l’abandon des étudiants (à paraître). Afin d’aider les étudiants avec des besoins et des défis différents dans les premiers cours, un système d’aide juste à temps est présentement mis sur pied. Dans le cadre de ce webinaire, nous présenterons les premières itérations ainsi que le design de ce nouveau système.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,015
Communication savante0,0100,010
Science ouverte0,0010,011
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,173
Tête enseignante GPT0,373
Écart entre enseignants0,200 · 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'étudeSans objet
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'admission1
Résumé présentoui

Explorer davantage

Même revueR-libre (Université Téluq)Même sujetEducation, sociology, and vocational trainingTravaux en français237 207