Développement durable dans la formation : une opportunité de synergie avec l'éducation ouverte
Notice bibliographique
Résumé
Support de présentation et soumission de communication au colloque 635 - Les ressources éducatives libres (REL) en contextes francophones canadiens : recherche et intégration aux pratiques éducatives au postsecondaire (ACFAS 2024) du congrès de l'ACFAS 2024. Le développement durable (DD) dans sa définition la plus populaire est « un développement qui répond aux besoins du présent sans compromettre la capacité des générations futures de répondre aux leurs. » (Commission mondiale sur l’environnement et le développement, 1987). En 2015, l’ONU a proposé 17 Objectifs de développement durable (ODD) qui déclinent des cibles et des actions. Ces ODD offrent un cadre de référence pour réfléchir et agir de manière responsable concernant l’économie, l’environnement et le sociétal. Plus spécifiquement, à l’échelle de notre profession en enseignement supérieur, comment cela se traduit-il concrètement ? La démonstration de la contribution des ressources éducatives libres (REL) à l’atteinte des ODD n’est plus à faire. En effet, l’UNESCO fait mention que les REL contribuent à l’atteinte de six ODD. Nous avons approfondi la réflexion et avons identifié que les REL contribuent à l’atteinte de 13 ODD, dont 3 majeurs et 10 mineurs (Dube, M., Soukpa, M.-S., 2024). En matière de DD dans la formation en enseignement supérieur, les REL y contribuent, mais qu’en est-il des possibilités liées aux approches-programmes, à la pédagogie ou aux situations d’évaluation, entre autres ? Par quelles portes d’entrée le DD atterrit-t-il concrètement dans les activités de formation ?Cette communication met en lumière différents liens entre les pratiques éducatives ouvertes et le DD dans la formation à travers une démarche pédagogique élaborée à l’Université de Sherbrooke.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».