Bibliographic record
Abstract
Les MOOC 1 dans les universités québécoisesThe MOOC at Québec universities Résumé Cet article fait le point sur l'émergence des MOOC dans les universités québécoises, à partir d'une recherche menée dans le cadre de la production d'un avis du Conseil supérieur de l'éducation (Québec, Canada), et s'appuyant sur une recension des écrits, une analyse de documents publics et des entretiens semi-dirigés.Il révèle que, à l'hiver 2015, neuf des 18 universités québécoises ont créé quelques MOOC ou s'y emploient.Contrairement à ce qui s'observe aux États-Unis ou en France, les MOOC québécois sont créés et offerts par les universités, sans l'implication d'autres organisations et en de-.L'acronyme « MOOC » (pour massive open online courses) est parfois traduit par « FLOT » (formation en ligne ouverte à tous), par « CLOM » (cours en ligne ouvert et massif ou cours en ligne ouvert aux masses) ou, comme le recommande l'Office québécois de la langue française, par « CLOT » (cours en ligne ouvert à tous).Il est tout de même employé dans le cadre de cet article, vu son usage prépondérant dans les écrits, y compris francophones.hors d'une influence -ou d'une volonté d'influence -gouvernementale, et s'inscrivent clairement en marge des cursus réguliers.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".