Portée et limites des outils d’enseignement à distance utilisés par les enseignants de quatre écoles marocaines en contexte pandémique
Notice bibliographique
Résumé
L’ensemble des acteurs du milieu éducatif restent préoccupés par l’inégalité scolaire entre les zones rurales et les zones urbaines. Avec la crise sanitaire due à la pandémie de la COVID-19, la situation est devenue encore plus préoccupante. Malgré les craintes soulevées, on ne dispose toujours pas d’un répertoire exhaustif des diverses pratiques d’enseignement à distance utilisées en zones rurales. Notre approche méthodologique s'inscrit dans un paradigme interprétatif qualitatif dans une perspective collaborative (Desgagné et coll.,2001) de cosituation, de coopération et de coproduction. Cette présentation passe en revue et évalue les pratiques d’enseignement à distance utilisées en milieu rural au Maroc pour l’enseignement primaire dans le cadre de la continuité pédagogique.
 Notre travail permet en effet d’identifier cinq outils d’enseignement à distance : « WhatsApp », Plateforme « Telmidtice », « Facebook », télévision puis distribution des livres scolaire. Les résultats des travaux de groupe dans les quatre écoles étudiées, ainsi que les discussions en plénière, montrent cependant qu’après la fermeture des écoles, il y a eu une période de tâtonnement entre les cinq outils d’enseignement à distance. Par la suite, l’utilisation de l’application « WhatsApp » a fait l’unanimité malgré les contraintes de cet outil. Cette évaluation nous permet d’envisager des perspectives d’amélioration des systèmes d’enseignement.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».