Utiliser ou non les logiciels de télésurveillance dans un contexte d’évaluation en formation à distance?
Notice bibliographique
Résumé
Dans un contexte de formation à distance, l’évaluation en ligne représente un réel défi, alors que tant d’informations sont accessibles en quelques clics et au bout des doigts des apprenants. Dès lors, les logiciels de télésurveillance d’examen sont devenus des outils incontournables. Cet intérêt pour l’utilisation de cette technologie doit s’accompagner d’une réflexion quant aux possibles effets que peut avoir la télésurveillance sur les étudiants. Ces effets peuvent être désirés, découlant de la nature même des logiciels de télésurveillance en permettant d’assurer l’intégrité intellectuelle des évaluations à distance, mais il existe aussi un effet indésirable lié à l’anxiété augmentée par le recours à la télésurveillance, notamment en raison du caractère intrusif de ces outils, du facteur technologique et des conditions à respecter qu’ils supposent. Cet effet indésirable pouvant être atténué et contrôlé, la télésurveillance représente un outil précieux dans le nécessaire combat contre la fraude scolaire. Les logiciels de télésurveillance demeurent des outils importants pour que l’évaluation en ligne soit réalisée de manière sécuritaire et efficace, pourvu que tous les moyens soient mis en place pour accompagner les étudiants dans ce mode de surveillance.
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 | 0,026 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,024 |
| Communication savante | 0,019 | 0,034 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».