Dynamiques de formation à distance et usages des capsules vidéos - Entretien avec Michaël Bourgatte et Laurent Tessier
Notice bibliographique
Résumé
Au cours des années 2010, la création et le partage de vidéos à des fins éducatives ont connu une croissance exponentielle. Ces pratiques ont été rendues possibles par l’amélioration de la qualité des réseaux, la démocratisation de technologies (smartphones, tablettes) et l’apparition de plateformes d’hébergement (en particulier YouTube). On a ainsi vu émerger de nouveaux formats d’enseignement à distance reposant principalement sur leurs usages : MOOC, SPOC, mais aussi des formations hybrides synchrones ou asynchrones. Au cœur de ces nouveaux formats pédagogiques, ces vidéos permettent d’articuler un propos et une mise en images. Pour autant, celles-ci sont souvent livrées en tant que simples illustrations. Dans ce contexte, comment concevoir des capsules pédagogiques pertinentes, intégrées à des scénarios innovants qui tirent réellement parti de leurs potentialités et favorisent la coconstruction des représentations et des savoirs? Lors d’un entretien, Michaël Bourgatte et Laurent Tessier, enseignants-chercheurs à l’Institut Catholique de Paris (ICP), évoquent leurs pratiques au sein d’un projet de laboratoire universitaire des innovations pédagogiques. Ils témoignent d’initiatives montrant que la vidéo mettant en scène des témoignages et des récits d’expérimentations peut être source de partage entre pairs et, à l’occasion, le recours à des outils d’annotation peut favoriser l’engagement de l’apprenant.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».