L’enseignement à distance de l’entrepreneuriat : quelle expertise pédagogique?
Notice bibliographique
Résumé
Bien que l’entrepreneuriat fasse l’objet de recherches académiques depuis près de deux siècles (Chell, 2008), son enseignement ne s’est véritablement institutionnalisé dans les écoles de gestion que depuis les années 1990 (Eyraud, 2016). Alors que cet enseignement repose le plus souvent sur des méthodes pensées pour être efficaces en mode présentiel, quelle expertise pédagogique doit-on développer pour la formation à distance? Et quelle posture professionnelle le professeur doit-il adopter pour développer cette expertise? C’est à ces questions que tente de répondre cet article qui présente les stratégies développées par l’École des sciences de l’administration (ÉSA) de l’Université TÉLUQ, une université à distance francophone associée au réseau de l’Université du Québec. Il est soutenu que la conception d’un programme d’études à distance en entrepreneuriat basé sur des approches pédagogiques innovantes visant l’acquisition de savoirs expérientiels et d’apprentissages authentiques par l’étudiant ne peut se faire sans que le professeur tire avantage des préceptes de l’approche-programme (Basque, 2017) et de la posture professionnelle du praticien-chercheur en enseignement (Bédard, 2017). Différentes propositions de recherche-action sont mises de l’avant pour construire l’expertise pédagogique nécessaire à l’enseignement à distance de l’entrepreneuriat.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,008 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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.
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 ».