Les Formations ouvertes à distance (FOAD) : quelle contribution au développement de professionnels qualifiés en Afrique ?
Bibliographic record
Abstract
Cet article vise à présenter les résultats d’une étude longitudinale de trois ans (2007-2010) portant sur les formations ouvertes à distance (FOAD) offertes par l’Agence Universitaire de la Francophonie (AUF). Il se propose de dresser un portrait des FOAD en Afrique afin de mieux comprendre son efficacité pour le développement des professionnels africains. Dans le cadre de cet article, nous nous concentrerons sur les résultats de la deuxième année de notre recherche obtenus au moyen d’analyses statistiques et qualitatives issues de questionnaires en ligne ayant rejoint 626 répondants. Les résultats indiquent que la motivation des apprenants à suivre une FOAD est à envisager dans la perspective d’une formation continue leur permettant de développer leurs compétences professionnelles. Les difficultés rencontrées sont de plusieurs ordres (techniques, pédagogiques et infra-structurelles) mais les FOAD génèrent malgré tout un haut degré de satisfaction et de réels bénéfices chez les participants interrogés. À la lumière de ces résultats, nous serons en mesure de conclure sur la contribution et les limites actuelles des FOAD dans le contexte socioculturel africain.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".