Étude de facteurs liés à l’attention d’apprenants universitaires en contexte de vidéocommunication
Bibliographic record
Abstract
La recherche présentée adopte le point de vue des apprenants et place l’apprentissage en vidéocommunication (VC) au niveau universitaire au centre des préoccupations. Les objectifs poursuivis sont de favoriser la compréhension de ce contexte et de proposer quelques recommandations basées sur l’expérience. Une étude descriptive corrélationnelle a été menée dans 11 cours donnés en VC dans 3 universités afin d’étudier les facteurs associés aux difficultés attentionnelles des apprenants. Deux questionnaires ont été employés. Le premier permettait d’établir un profil des participants alors que le second a été administré selon les principes de l’experience sampling method afin de faciliter la collecte des données relatives à l’expérience vécue à deux moments précis. Plusieurs méthodes statistiques ont été employées afin de traiter les données, dont une analyse acheminatoire et un plan factoriel d’analyse de variance « 2 sites 2 temps ». Les données démontrent, entre autres, l’importance du site et de son influence modératrice sur plusieurs facteurs explicatifs, dont la méthode pédagogique. Les résultats sont résumés et des recommandations à caractère organisationnel et pédagogique sont dégagées. Quelques pistes de recherche sont aussi proposées. L’ensemble des résultats intéressera les chercheurs, les administrateurs, les designers pédagogiques et les enseignants ayant à travailler avec la vidéocommunication.
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 | 0.008 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".