MétaCan
Menu
← Retour à la cohorte
Enregistrement W7127210004

Étude des liens entre l’attention portée aux activités d’apprentissage dans une formation en ligne asynchrone, l’acquisition et la rétention de connaissances ainsi que le transfert des apprentissages en milieu de travail

2025· other· fr· W7127210004 sur OpenAlexaboutno aff
Sophie Lanoix

Notice bibliographique

RevueArchipelago (University of Quebec in Montreal) · 2025
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLigneOccupational trainingSocial worlds
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

De plus en plus d’organisations adoptent la formation en ligne asynchrone pour développer des connaissances et des compétences chez leur personnel. Cependant, le transfert des apprentissages du contexte de formation vers le milieu de travail ne semble pas se produire automatiquement. De plus, il est souvent présumé que le personnel accorde une attention soutenue aux contenus en ligne, ce qui n’est pas toujours le cas. Ce qui capte véritablement l’attention des personnes participant à une formation en ligne asynchrone et l’effet de cette attention sur l’acquisition de connaissances et le transfert des apprentissages restent inconnus. Bien que le transfert des apprentissages et la formation en ligne asynchrone aient fait l’objet de multiples métanalyses, peu d’études ont porté conjointement sur ces deux concepts, surtout en contexte de milieu de travail. De plus, aucune étude n’a mis en relation le transfert des apprentissages réel avec l’attention mesurée dans un contexte de formation en ligne asynchrone. L’objectif de cette étude était d’explorer les liens entre l’attention portée aux activités dans une formation en ligne asynchrone, l’acquisition et la rétention des connaissances ainsi que le transfert des apprentissages en milieu de travail. Cette étude a été menée en quatre phases avec un groupe de 20 manutentionnaires travaillant dans un entrepôt de la région de Montréal. Des données initiales sur les connaissances et les comportements ont été recueillies en prétest une semaine avant la formation. Ensuite, des données d’attention, mesurées à l’aide d’un casque d’électroencéphalographie et d’un oculomètre, ont été collectées durant la formation en ligne, ainsi que des données sur l’acquisition de connaissances immédiatement après la formation. Cinq semaines après la formation, des données de connaissances et de comportements ont été collectées à nouveau pour en évaluer l’évolution. Enfin, dix manutentionnaires ont été convoqués pour des entretiens semi-dirigés afin d’obtenir des données qualitatives sur la perception des facteurs influençant l’attention, l’apprentissage et le transfert. Les résultats d’analyse ont montré que l’attention était soutenue durant toute la formation, avec des nuances en fonction des différents types d’activités d’apprentissage. L’acquisition de connaissances a été possible, mais non la rétention. De plus, une amélioration de comportements a été observée entre la phase 1 et la phase 3 pour deux objectifs d’apprentissage, suggérant un certain transfert des apprentissages. Des analyses corrélationnelles ont montré un lien partiel entre le type d’activités et l’attention des personnes participantes, mais aucun lien significatif entre l’attention et l’acquisition de connaissances. De même, aucun lien significatif n’a été observé entre l’attention portée à la formation et le transfert des apprentissages. Les résultats concernant l’attention pourraient être expliqués par le respect des principes liés à la modalité, le caractère multidimensionnel de l’attention ainsi que l’intérêt envers le contenu et la tâche d’apprentissage. Les conditions neurologiques autodéclarées de certaines personnes participantes pourraient expliquer partiellement le manque de corrélations entre l’attention et l’acquisition de connaissances. L’utilisation de questionnaires écrits en ligne pourrait avoir fait en sorte que les résultats aux tests de connaissances ne reflètent pas les connaissances réelles de certaines personnes participantes qui ont peut-être éprouvé des difficultés en lecture en raison d’un niveau de littératie assez faible. Une situation de transfert peut-être plus éloignée que prévu ainsi que la participation même à l’étude ont pu influencer les résultats de transfert. De même, les questionnaires sur les comportements utilisés en prétest et posttest semblent avoir amené certaines personnes à modifier leurs comportements plus que les contenus de la formation. Finalement, le niveau élevé d’expérience et de connaissances antérieures de l’échantillon a pu affecter l’ensemble des résultats. Les limites de l’étude, telle une faible taille d’échantillon limitant la puissance statistique des analyses et l’utilisation d’outils EEG portatifs limitant le nettoyage des artéfacts myographiques et oculaires, n’affectent en rien son caractère novateur. En effet, la mixité des données recueillies, la collecte des données neurophysiologiques en milieu authentique, la mesure du transfert réel plutôt que des seuls facteurs influençant le transfert ainsi que l’utilisation d’une tâche réelle d’apprentissage et un échantillon écologique ont permis de produire des données inédites ainsi que des recommandations réalistes et concrètes pour les milieux de pratique. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Transfert des apprentissages, attention, acquisition de connaissances, rétention de connaissances, EEG, électroencéphalographie, oculométrie, pupillométrie, comportements, milieu de travail, formation en ligne asynchrone, elearning

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)0,012
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,049
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0050,006
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,229
Écart entre enseignants0,220 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchipelago (University of Quebec in Montreal)→Travaux en français237 207→