Le recours massif à l’enseignement à distance lors de la pandémie de COVID-19 est-il susceptible de modifier en profondeur les valeurs et les normes de l’enseignement à l’université? Le cas d’une grande école de gestion canadienne
Notice bibliographique
Résumé
Les universités « traditionnelles » fondées sur l’enseignement présentiel n’ont pas eu le choix de recourir massivement à l’enseignement à distance durant la pandémie Covid-19. Chaque université a dû réagir en fonction des logiques institutionnelles dans lesquelles elle s’insère et en fonction de son propre « archétype organisationnel » en matière d’enseignement. Certaines valeurs, croyances, normes et mécanismes de fonctionnement relatifs à l’enseignement ont été soit renforcés, soit bousculés, par le recours massif à l’enseignement à distance. À partir de l’étude qualitative en profondeur du cas d’une grande école de gestion canadienne, nous analysons dans quelle mesure les actions et décisions relatives à l’enseignement prises pendant la pandémie renforcent ou fragilisent son archétype organisationnel. L’analyse suggère que les décisions prises ont solidifié l’archétype organisationnel fondé sur la valeur de l’enseignement présentiel et des interactions entre enseignant et étudiants, mais l’ont aussi fragilisé, notamment concernant les valeurs et normes relatives à l’autonomie et l’expertise des enseignants, ainsi qu’au partage des rôles et décisions entre enseignants, gestionnaires et étudiants.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».