Evaluative study of a MOOC on knowledge translation in five French-speaking countries
Notice bibliographique
Résumé
Over the past few years, the RENARD research team has observed a sharp increase in the need for knowledge translation (KT) training. Given the high demand, it has been nearly impossible for the team to provide training entirely in person, and so a massive open online course (MOOC) was developed. Its aim is to promote the use and appropriation of the KT process by practitioners, decision-makers, and others in the public sphere. The goal of this study was to evaluate the MOOC by collecting users' opinions, reactions, appropriation, and practice changes. A qualitative research design was used. Data were collected through semi-structured individual interviews (n = 16) with professionals from Canada, France, and three West African countries (Burkina Faso, Mali, and Senegal) who had taken the MOOC. All interviews were subjected to thematic content analysis. The MOOC content was generally appreciated and reused by the respondents. The results revealed one main motive for completing the course: the immediate opportunity to apply their learning in their practice environments. However, most respondents deplored the lack of interaction among learners and expressed the need for coaching with an instructor to deepen the topics covered during the course. The results also revealed connection and accessibility issues linked to the Internet network and unstable access to electricity in West African countries. The study highlights the potential of MOOCs for the acquisition of knowledge and competencies by KT professionals. Several recommendations and avenues of exploration were formulated to optimize and improve future designs of MOOCs on KT.
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 | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».