Leçons tirées de la pandémie de COVID-19 : rapport national 2021
Notice bibliographique
Résumé
"Après une interruption d’un an en raison de la nature difficile de 2020, l’Association canadienne de recherche sur la formation en ligne (ACRFL) a repris son sondage national sur l’apprentissage en ligne et numérique au printemps 2021. Notre principal objectif de recherche était d’évaluer les impacts actuels de la pandémie sur l’état de l’apprentissage numérique au Canada. En 2021, l’ACRFL a enquêté auprès des établissements durant le déploiement de la vaccination, avant l’apparition du variant delta du virus. Lorsque les établissements remplissaient le sondage, il semblait que le pire de la pandémie pourrait être passé au plus tard au début du semestre d’automne 2021, avec peu de restrictions nécessaires. À l’époque, les sujets d’intérêt dans le milieu postsecondaire canadien comprenaient : la définition des termes clés liés aux modes de prestation des cours (p. ex., apprentissage en ligne, apprentissage hybride), les attitudes du corps enseignant à l’égard des différents aspects de l’apprentissage numérique, les expériences et les préférences des étudiants, les stratégies mises en œuvre pour surmonter les défis liés à la pandémie, les tendances prévues en matière d’apprentissage numérique et l’impact de la pandémie.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».