Des caractéristiques des étudiants à distance
Notice bibliographique
Résumé
S’il est beaucoup question de formation à distance (FAD) depuis le début de la pandémie de COVID-19, force est de constater que ce mode d’enseignement est loin d’être une nouveauté, comme le rappelle le sixième numéro de Médiations et médiatisations. La FAD connait un développement continu depuis le début de ce siècle (Conseil supérieur de l’éducation, 2015), notamment au Canada où les établissements d’enseignement supérieur accordent de plus en plus d’importance à la diversification des modalités de formation, qu’elle soit entièrement ou partiellement en ligne (Bates, 2018). Le nombre d’étudiants suivant des cours en FAD est ainsi en hausse constante depuis bon nombre d’années, au point qu’il semble pertinent d’interroger les travaux s’intéressant aux caractéristiques de ces individus longtemps considérés comme « non traditionnels » (Loisier, 2013). Dès lors que les étudiants fréquentant les campus sont de plus en plus variés, de même que les étudiants à distance, y a-t-il encore une différence? Sur quelles caractéristiques s’attardent les recherches? Afin de faire le point, nous proposons de faire part d’une revue systématique de la littérature à cet effet. Nous verrons que si l’objet de notre recherche semble « facile », dégager les écrits portant sur les attributs des apprenants à distance est quelque peu délicat. Nous présenterons ainsi la démarche empruntée et les principaux résultats obtenus.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,004 |
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 ».