Entre mirages, dangers et opportunités, que penser de l’impact de la pandémie sur la présence de la technologie en éducation?
Notice bibliographique
Résumé
En mars 2020, face à la pandémie de COVID-19, une fermeture globale des écoles a impacté 1,5 milliard d'apprenants. Diverses réponses ont été apportées à cette crise éducative, révélant des inégalités significatives. Dans les régions à faible connectivité comme certaines parties de l'Afrique, de l'Asie et de l'Amérique du Sud, l'accès restreint à Internet a limité l'enseignement en ligne, forçant l'usage de médias alternatifs tels que la télévision, la radio et le papier. En contraste, des pays comme le Canada et la France ont rapidement mis en place des plateformes d'apprentissage en ligne pour maintenir la continuité pédagogique. L'objectif principal de ce texte est de présenter certains résultats d'une étude sur l'impact de la COVID-19 sur les parents et les enseignants, tout en proposant une réflexion sur les changements induits par la pandémie dans l'usage du numérique en éducation. Avec cet objectif, nous cherchons à comprendre les difficultés rencontrées, les perceptions des modes d'enseignement et les facteurs qui pourraient contribuer à la réussite éducative dans un contexte pandémique, tout en envisageant de nouvelles orientations pour l’usage du numérique en éducation.
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 | 0,004 | 0,012 |
| 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 | 0,011 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».