La citoyenneté éthique en contexte d’apprentissage en ligne à l’ère de la COVID-19
Notice bibliographique
Résumé
La pandémie de COVID-19 provoque des changements sans précédent au sein des institutions éducationnelles. En raison des restrictions sanitaires, les enseignantes et enseignants sont appelés à adopter de nouvelles prestations d’enseignement en ligne, et ce, du jour au lendemain, sans pour autant avoir reçu une formation adéquate. De même, les élèves de niveaux primaire et secondaire sont immergés dans ces environnements d’apprentissage sans les connaissances, savoir-faire et savoir-agir nécessaires pour naviguer à travers ceux-ci de manière éthique. L’objectif de cet article est d’examiner la dimension de la citoyenneté éthique à l’ère du numérique en contexte d’apprentissage en ligne. Dans un premier temps, nous examinerons 1) le phénomène du transfert rapide à l’apprentissage en ligne en réaction aux restrictions sanitaires mises en place pendant la pandémie, et 2) les nouveaux savoir-faire et savoir-agir que ce transfert requiert quant à l’adoption d’une posture de citoyen éthique dans l’espace numérique. Par la suite, nous présentons des pistes de réflexion et d’action destinées à mieux outiller le personnel enseignant afin qu’il puisse accompagner les élèves dans le développement de leur citoyenneté éthique en contexte d’apprentissage en ligne.
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 | 0,007 | 0,011 |
| 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 | 0,009 | 0,023 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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.
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 ».