Sphère privée, sphère scolaire et porosités des usages du numérique comme révélateurs de hubs sociaux et éducatifs
Notice bibliographique
Résumé
Apprendre et enseigner avec le numérique sont des activités à étudier et mettre au regard des espaces support de ces pratiques du numérique, et du tissu social correspondant. Nous proposons une étude des porosités d’usages du numérique entre espaces situés, à savoir la sphère privée et la sphère scolaire, que ce soit pour les apprenants ou leurs enseignants. Finalement, les enseignants avec de fortes pratiques numériques éducatives, ont-ils de fortes pratiques numériques personnelles pour les alimenter, ou réciproquement? De même, les apprenants avec de fortes pratiques numériques personnelles sont-ils plus aptes à apprendre avec le numérique à l’école, plus motivés par l’instrumentation des dispositifs pédagogiques? Pour répondre à ces questions et étudier toutes formes de porosités entre sphères privée et éducative, nous utilisons les résultats d’une enquête sur les usages du numérique, des apprenants du collège à l’université et de leurs enseignants. Nous démontrons que plusieurs formes de porosités existent, avec un sens de transfert le plus souvent bien défini. Enfin, ces espaces situés et les porosités afférentes peuvent être des révélateurs de hubs sociaux et éducatifs, ainsi que gage de prescriptions pour une meilleure prise en compte du numérique en éducation.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 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 ».