Dans les cours à distance autorythmés : la difficulté de communiquer
Notice bibliographique
Résumé
Parce qu’en formation à distance, l’isolement est la cause de beaucoup d’abandons (Bernard et al., 2004 ; Elliott et al., 2005), nous avons tenté d’augmenter la perception de présence transactionnelle, c’est-à-dire le degré auquel un étudiant en formation à distance se perçoit en lien avec ses enseignants, ses pairs et son établissement (Shin, 2002). Dans deux cours à distance autorythmés (n = 225), nous avons expérimenté l’utilisation d’une visioconférence Web et d’un logiciel social. Conformément à la méthodologie de design-based research, où les chercheurs collaborent activement avec les acteurs du terrain afin d’améliorer les approches à chaque itération, nous présentons les interventions éducatives mises en place en lien avec ces outils du web 2.0. Les résultats montrent que, depuis le début de cette recherche, ce sont les visioconférences qui ont eu le plus d’impact sur la perception de présence transactionnelle, mais cela surtout, dans cette deuxième itération, par l’entremise de l’enregistrement des rencontres dans ces cours où chaque étudiant chemine à son propre rythme. Ces résultats nous amènent à redéfinir le concept même de l’isolement et les moyens pour le diminuer en formation à distance autorythmée.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».