Enseigner en ligne au moyen d’un wiki : enjeux éthiques et choix technopédagogiques
Bibliographic record
Abstract
Pour un cours universitaire en ligne, j’ai mis en place un wiki calqué sur Wikipédia, reprenant les principes, les règles et les valeurs de cette communauté. Ainsi, les participants peuvent modifier pratiquement toutes les pages du wiki, y compris les consignes des activités d’apprentissage. Cependant, lors de la conception du wiki et de la mise à l’essai du cours auprès de quelques étudiants, j’ai fait face à un paradoxe à caractère éthique. D’une part, je voulais offrir un environnement de collaboration ouvert et transparent où tous sont soumis aux mêmes règles et où tous les enjeux sont abordés au grand jour. D’autre part, mes responsabilités professorales me demandent d’assurer le respect des objectifs du cours, d’appliquer divers règlements, de garantir l’intégrité de l’évaluation et de maintenir des conditions propices à l’apprentissage. Cette tension m’a amené à une série de compromis, notamment sur la transparence des interactions professeur-étudiants. La question se pose alors : dans quelle mesure les valeurs et les pratiques des communs peuvent-elles coexister avec les contraintes propres à un contexte formel d’apprentissage ?
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 | 0.023 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.011 | 0.017 |
| Scholarly communication | 0.019 | 0.024 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
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".