L’efficacité de la formation à distance au niveau postsecondaire : une méga-analyse
Notice bibliographique
Résumé
Au Canada, la formation à distance (FAD) est présente dans la majorité des institutions d’enseignement postsecondaires. Cependant, une polémique revient constamment dans la communauté scientifique quant à l’incidence des avancées technologiques sur l’efficacité de ce type de formation. Certains auteurs mettent en relief l’apport positif de ces avancées tandis que d’autres insistent sur les nombreuses déceptions causées par l’utilisation des technologies plus récentes. Devant ces positions discordantes, plusieurs chercheurs conviennent que les études concernant l’efficacité de la FAD selon les avancées technologiques n’en seraient encore qu’à leurs débuts. Pour combler cette carence, l’objectif de la présente recherche est de vérifier l’efficacité de la FAD selon les avancées technologiques à l’aide d’une méga-analyse. Les résultatspositifs obtenus à l’issue de notre méga-analyse, réalisée à partir d’une synthèse de 16 méta-analyses comprenant 862 études primaires auxquelles ont pris part au-delà de 200 000 participants, soutiendraient le recours aux technologies plus récentes pour favoriser l’apprentissage à distance.
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 | 0,021 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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 ».