MétaCan
Menu
← Retour à la cohorte
Enregistrement W7058138744

L'utilisation du tableau de bord des activités d'apprentissage "Ma réussite" en formation en ligne à l'Université Laval pour soutenir l'autorégulation de l'apprentissage et la réussite

2021· other· fr· W7058138744 sur OpenAlexaboutno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2021
Typeother
Languefr
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOccupational trainingLigneIle de franceCollective agreement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Malgré sa popularité grandissante, la formation en ligne en contexte universitaire doit composer avec des problématiques liées à la persévérance et à la réussite, puisque les taux d'abandon et d'échec seraient plus élevés dans ce type de formation qu'en présentiel sur le campus. Dans l'optique de soutenir la persévérance et la réussite des étudiants, l'Université Laval a développé un tableau de bord d'analyse des activités d'apprentissage qui vise à faire prendre conscience aux étudiants de leur participation dans leurs cours, et à les orienter vers des ressources d'aide. Cette recherche porte sur l'utilisation de ce tableau de bord (appelé Ma réussite) pour soutenir l'autorégulation de l'apprentissage et la réussite des étudiants de premier cycle en formation en ligne. Plus précisément, elle a pour objectif de documenter comment et par qui le tableau de bord est utilisé ainsi que les représentations des étudiants à son égard. Cette thèse vise également à vérifier si la théorie unifiée d'acceptation et d'utilisation de la technologie (UTAUT) peut expliquer l'utilisation du tableau de bord, et si son utilisation est liée à la réussite des étudiants. Pour ce faire, nous avons réalisé un sondage auprès de 309 étudiants de 15 cours en ligne différents dans quatre facultés. Nous avons également obtenu les traces numériques d'utilisation de Ma réussite par les étudiants durant la session d'automne 2019. Nos résultats indiquent que Ma réussite est peu utilisé, et que le nombre de visites est significativement plus élevé pour les étudiants qui suivent leur premier cours en ligne, pour ceux qui sont en contact avec l'outil pour la première fois ainsi que pour les primo-entrants. À l'aide du modèle d'autorégulation de Zimmerman (1998), nous avons exploré les perceptions des étudiants concernant l'utilité du tableau de bord pour soutenir l'autorégulation de l'apprentissage. Nos résultats indiquent que les étudiants sont d'accord que Ma réussite soutient l'autorégulation de l'apprentissage, notamment le monitorage et la régulation de l'effort. Les primo-entrants et les étudiants qui sont en contact avec l'outil pour la première fois perçoivent davantage le tableau de bord comme un soutien à l'autorégulation. Nous avons également documenté les perceptions des étudiants concernant les variables qui prédisent l'utilisation selon l'UTAUT, soit la performance attendue, l'effort attendu, l'influence sociale, les conditions facilitatrices et l'intention d'utilisation. Nos résultats indiquent que Ma réussite est utile, facile à utiliser et que les conditions facilitant son utilisation sont en place. Cependant, l'influence sociale pour l'utiliser est perçue comme étant faible. Les étudiants en contact avec l'outil pour la première fois et les primo-entrants perçoivent Ma réussite plus utile et ont davantage l'intention de l'utiliser à l'avenir que les autres étudiants. Ensuite, nous avons validé l'UTAUT, adaptée à l'étude, avec des analyses d'équations structurelles basées sur les moindres carrés partiels. Nos résultats ont permis de valider les hypothèses comme quoi la performance attendue, l'effort attendu, l'influence sociale et l'utilisation actuelle influencent l'intention d'utilisation. Cependant, nos résultats indiquent que les conditions facilitatrices ne sont pas un facteur déterminant de l'intention d'utilisation. Notre modèle de recherche permet d'expliquer 62 % de la variance de l'intention d'utilisation et 72 % de la variance de la performance attendue, avec comme seule variable prédictive le soutien à l'autorégulation. Finalement, nos résultats n'ont pas permis de confirmer un lien entre l'utilisation du tableau de bord et la note finale au cours des étudiants. Cette étude a ainsi contribué à l'avancement des connaissances, puisque très peu d'études ont traité de l'utilisation du tableau de bord des activités d'apprentissage par les étudiants dans des contextes éducatifs réels. Elle permet donc d'apporter un éclairage sur la fréquence et les périodes d'utilisation du tableau de bord par les étudiants selon plusieurs caractéristiques sociodémographiques. Cette étude a également permis d'approfondir le concept d'utilité du tableau de bord, en explorant les perceptions des étudiants sur le soutien que procure Ma réussite à l'autorégulation de l'apprentissage. Ces découvertes peuvent ainsi fournir de l'information aux gestionnaires de l'outil pour l'améliorer, notamment en ajoutant des fonctionnalités permettant de mieux soutenir l'autorégulation de l'apprentissage, et en informant davantage les parties prenantes de son fonctionnement. Finalement, il s'agit de la première étude à valider l'UTAUT en contexte d'utilisation du tableau de bord des activités d'apprentissage par les étudiants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,002
Communication savante0,0090,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0280,006

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)→Même sujetMagnetic confinement fusion research→Travaux en français237 207→