EDUCAUSE 2020 Rapport de la délégation française - FR
Notice bibliographique
Résumé
Pour la huitième année consécutive, une délégation française été constituée en vue de la participation à laconférence annuelle EDUCAUSE. Depuis 2013, cette initiative s’est structurée autour de profilscomplémentaires issus du numérique de l’Enseignement Supérieur français, ayant tous à coeur de s’ouvrir àl’international afin d’y trouver des sources d’inspiration et des points de comparaison, mais aussi d’y valoriserdes réalisations remarquables. D’une philosophie initiale de simple participation, qui a prévalu lors des premièresannées de cette délégation, nous sommes progressivement passé à une logique résolument plus active, et ce àdifférents niveaux.Les membres du comité d'organisation de la délégation participent activement à la vie d’EDUCAUSE :• La délégation a communiqué de 2012 à 2020 dans le cadre de la conférence annuelle (sept sessions oraleset cinq posters) et de la conférence ELI (quatre sessions orales).• Trois membres font partie des proposal reviewers depuis 2015 pour évaluer les articles soumis auxconférences annuelles et ELI.• Un membre a été sélectionné au nom du CSIESR au sein d’un comité de programme 2019.• Deux membres font partie depuis 2018 du panel d’experts mobilisés dans le cadre de la rédaction duEDUCAUSE Horizon Report.• Deux membres participent aux travaux de groupes de travail d’EDUCAUSE, le Learning Space CommunityGroup, le Blended and Online Learning Community Group et le Extended Reality XR Community Group.• Deux membres au titre du CSIESR et d’EUNIS travaillent dans le groupe CHEITA qui est une fédérationinformelle des associations soeurs d’EDUCAUSE dans le monde entier (Europe, Australie, France, Japon,Nouvelle Zélande, Royaume Uni, Pays Bas).• Deux membres au titre du CSIESR et d’EUNIS ont travaillé pour l’International Task Force d’EDUCAUSE quis’est réunie en Web-conférence de janvier à octobre 2019 pour produire un document derecommandations sur les actions d’EDUCAUSE à l’international.La reconnaissance de ces différents niveaux d’intervention nous a permis de tisser des liens privilégiés avecEDUCAUSE et en particulier ses membres exécutifs (Président, Vide-Présidents et Directeurs), et plusglobalement au sein de la communauté universitaire nord américaine, avec laquelle certaines collaborationformelles ont déjà pu être inscrites dans la durée. Des liens qui contribuent d’autant à la réalisation de nosobjectifs fondamentaux: échanger, sensibiliser, informer, et partager afin de soutenir le développement dunumérique dans l’Enseignement Supérieur français.Notre traditionnelle restitution concrétise chaque année cette volonté, et s’est positionnée comme un rendezvousannuel majeur que nous savons apprécié. Le rapport qui l’accompagne, quant a lui, connait une diffusionsans cesse croissante, et qui s’appuie notamment sur une traduction anglaise que nous avons rapidementactée. En dehors des frontières européennes, il est ainsi attendu et lu chaque année notamment aux Etat-Unis,au Canada, au Japon, à Singapour, en Australie ou encore en Nouvelle Zélande. Cette nouvelle édition de notrerapport fait suite à la restitution qui s’est tenue à Paris le 26 Mars 2021, et pour la première fois en lignecompte-tenu des circonstances particulières. Il traite des différents ateliers suivis lors de la conférenceEDUCAUSE tenue elle aussi en ligne en Octobre 2020. Il peut également être complété par les différents tweetspostés par la délégation sous le mot-dièse #EDU20fr.
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 | 0,012 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,126 | 0,037 |
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 ».