La collaboration en ligne mise en œuvre par les étudiants : des contextes distincts et de possibles plus-values en termes de découvertes collectives ?
Notice bibliographique
Résumé
Les étudiants ont la possibilité de mobiliser différents outils numériques à des fins de collaboration notamment lorsqu’ils se livrent à des activités de recherche ou à des investigations. Mais ces outils peuvent s’inscrire dans des contextes distincts, officiel ou officieux, en fonction de ceux qui sont utilisés. D’où l’intérêt d’examiner les processus interactifs à l’œuvre dans les deux cas, tout comme le passage progressif de l’un à l’autre est de nature à expliquer pourquoi les acteurs prennent quelque distance par rapport aux instances officielles pour travailler ensemble. Il est alors fait l’hypothèse qu’une telle transition est apte à donner à l’activité collective une dimension heuristique, notamment une propension à la découverte. Dans cet article, elle est mise à l’épreuve à l’appui d’un champ théorique (Computer-Supported Collaborative Learning) et de données (qualitatives/quantitatives) issues de travaux récents, sachant qu’un autre facteur (la taille des groupes constitués par les étudiants) paraît jouer un rôle non négligeable dans cette affaire.
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 | 0,019 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,017 |
| Communication savante | 0,020 | 0,019 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».