PERSCOL - Persévérance dans l’enseignement secondaire à distance en France. Etude sur la persévérance des élèves du CNED.: Rapport intermédiaire (décembre 2024)
Notice bibliographique
Résumé
Tableau 1 -Liste des membres du projet et de leur rattachement institutionnel.Les chercheurs du projet sont issus de différentes disciplines, complémentaires et essentielles pour mieux se saisir des données recueillies et étudiées :• chercheurs en sciences de l'éducation et de la formation (Didier Paquelin, Séverine Parent) ;• chercheurs en psychologie cognitive (Nathalie Huet, Jérôme Dinet) ;• chercheur en informatique (Laurent Gallon) ;• chercheurs en sciences de l'information et de la communication (Clément Dussarps, Anne Cordier, Anne Lehmans, Vincent Liquète, Nathalie Pinède, Karel Soumagnac).Le travail a été organisé en cinq équipes de travail, répondant à des procédés méthodologiques différents (présentés sous forme de "work-package" dans le document soumis à l'ANR) :• pour les questionnaires,• pour les entretiens,• pour les learning analytics,• pour l'étude sémiodiscursive de la plateforme, • pour l'étude de cas de l'IA-EAD (Institut Agro Enseignement à Distance) Les deux représentantes des partenaires étaient impliquées dans les différents groupes selon les disponibilités et besoins ponctuels, les ingénieures d'étude selon leurs compétences (Elodie Vaugier pour les questions quantitatives -questionnaires et learning analytics, Fanny Doreau pour les questions qualitatives -entretiens) et soutenus, lorsque cela était possible, par des stagiaires et/ou via des prestations (par exemple pour la retranscription d'entretiens). Calendrier du projet : prévisionnel et actuelLe calendrier complet soumis au financeur (ANR) est disponible en annexe 1. Le calendrier prévu est respecté dans l'ensemble.Plusieurs points ont toutefois fait l'objet de révision :Le tableau suivant précise les catégories et les questions retenues : Catégorie Questions associéesAuto-efficacité J'ai confiance en ma capacité à comprendre le contenu des enseignements.J'ai confiance en ma capacité à réussir à persévérer dans mes études, même lorsque je trouve le contenu difficile.Motivation intrinsèque Je trouve toujours des aspects du contenu des cours qui éveillent ma curiosité.J'adore apprendre de nouvelles choses dans les cours du CNED.Motivation extrinsèque Je veux réussir mon année afin de pouvoir montrer à mes amis et à ma famille de quoi je suis capable.Je veux bien faire à cause des attentes (réelles ou perçues) des autres envers moi.Je veux obtenir de meilleures notes que les autres aux devoirs et à l'examen.Sentiments d'échec J'envisage d'abandonner parce que je me sens dépassé par mes études.Je suis tellement anxieux que je ne veux même pas commencer à étudier.Quand je dois étudier en ligne, je commence à me sentir mal.Fixation d'objectifs et gestion du temps Je me fixe des objectifs de travail chaque semaine.Je planifie mon emploi du temps afin d'avoir suffisamment de temps pour travailler mes cours.Métacognition Je passe du temps à essayer de comprendre ce qu'on attend de moi.Généralement, une fois que j'ai terminé un travail, je vérifie qu'il correspond bien à ce qui était attendu.J'examine les commentaires que m'ont fait les enseignants et je vérifie que je les ai bien pris en compte pour améliorer mes devoirs.Environnement de travail J'ai accès à un endroit calme et sans distraction pour étudier.Je sais où je peux étudier le plus efficacement pour ce cours en ligne.Evaluation des émotions liées à la réussite (AEQ) Nous avons également mobilisé quelques questions provenant d'échelles validées sur les émotions liées à la réussite scolaire (anxiété y compris), également traduites et adaptées.Ces questions sont issues de l'"Achievement Emotions Questionnaire" de Pekrun et al. (2005), duquel nous avons conservé 13 questions représentant 5 catégories, évaluées en échelle de Likert à 7 points également.Le tableau suivant précise les catégories et les questions retenues : Catégorie Questions associées Ennui lié aux cours Je trouve les cours assez ennuyeux.Je suis souvent dans la lune parce que je m'ennuie en travaillant les cours.Anxiété liée aux cours Je préférerais ne pas me connecter à la plateforme de cours parce que je suis trop stressé.Avant d'aller voir un cours sur la plateforme, je m'inquiète déjà de savoir si je serai capable de le comprendre.Anxiété liée à l'apprentissage Quand je vois tous les devoirs qu'il me reste à rendre, je suis stressé.Savoir si je saurai faire face à tout mon travail m'inquiète.Je ne veux même pas commencer à étudier tellement je suis stressé.Anxiété liée aux devoirs Je panique au moment de rendre un devoir à correction automatique.Je panique au moment de rendre un devoir corrigé par un enseignant.Je me demande souvent si j'ai suffisamment étudié avant de rendre un devoir.Plaisir lié à l'apprentissage J'aime apprendre de nouvelles connaissances grâce à mes cours.J'étudie plus que nécessaire parce que j'aime beaucoup cela.Je suis heureux des progrès que j'ai accomplis et cela me motive à continuer à étudier mes cours.o lui souhaiter la bienvenue et présenter Tilo (e-mail n°1.Objet : Bienvenue dans l'équipe [Pseudo] !) ■ envoi immédiat après l'inscription ■ 422 e-mails envoyés ■ Taux d'ouverture : 76% ■ taux de clic : 17% ○ lui présenter le projet (e-mail n°2.Objet : Notre projet, c'est aussi le tien [Pseudo]) ■ envoi 2 jours après l'email n°1 ■ 418 e-mails envoyés ■ Taux d'ouverture : 68% ■ taux de clic : 31% ○ l'encourager à nous suivre sur Instagram et/ou Facebook (e-mail n°3.Objet : Rejoins-nous sur les réseaux sociaux, [Pseudo] ! ) ■ envoi 3 jours après l'email n°2 ■ 415 e-mails envoyés ■ Taux d'ouverture : 68% ■ taux de clic : 16% ○ lui présenter notre système de récompenses (e-mail n°4.Objet : [Pseudo], plusieurs surprises t'attendent dans ce mail) ■ envoi 4 jours après l'email n°3 ■ 416 e-mails envoyés ■ Taux d'ouverture : 65% ■ taux de clic : 21% ○ lui expliquer comment gérer ses données et le respect de son anonymat (e-mail n°5.Objet : [Pseudo], tes données et ton anonymat, je t'explique tout ! ) ■ envoi 5 jours après l'email n°4 ■ 413 e-mails envoyés ■ Taux d'ouverture : 63% ■ taux de clic : 12% ○ lui expliquer son importance pour cette enquête (e-mail n°6.Objet : [Pseudo], ton aide est cruciale pour améliorer les formations à distance !) ■ envoi 7 jours après l'email n°5 ■ 411 e-mails envoyés ■ Taux d'ouverture : 60% ■ taux de clic : 17% Je suis quelqu'un d'organisé Corrélation significative : rho = -0.116et p = 0.03 71 68 58 J'ai pour habitude de faire un planning de travail chaque semaine Aucune corrélation.54 48 49 Je me sens souvent débordé(e) par mes études / ma formation Corrélation significative : rho = -0.002et p = 0.163.36 54 58 J'ai la sensation d'apprendre rapidement les cours Aucune corrélation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».