Les nouveaux dispositifs d’apprentissage accru en milieu de travail : apports et défis de l’usage du numérique
Notice bibliographique
Résumé
Afin de pallier les pénuries de main-d'œuvre, les pouvoirs publics développent des dispositifs de formation innovants basés sur une alternance travail-études accrue qui intègrent des outils numériques (en particulier, pour de l’enseignement à distance). Cet article analyse l’impact du numérique sur les pratiques des entreprises, des travailleurs étudiants et des enseignants qui utilisent ces dispositifs. Le cadre conceptuel de la « situation d’enseignement-apprentissage » (Hérold, 2019) a permis d’analyser de manière dynamique et systémique trois différents dispositifs d’apprentissage accru en milieu de travail. Les résultats démontrent que les transformations que connaissent ces dispositifs sont liées aux caractéristiques des travailleurs, aux dimensions techniques des dispositifs et, surtout, à la dynamique qui se crée entre les différents acteurs dans et en dehors de l’entreprise. Dans la discussion de cet article, des préconisations managériales explicites sont formulées pour enrichir le fonctionnement de ces dispositifs et favoriser la persévérance et la réussite des travailleurs formés.
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 | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,019 | 0,011 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».