Le processus d’adoption d’une innovation pédagogique avec les TIC par les enseignants
Bibliographic record
Abstract
Avec la place prépondérante qu’occupent les technologies de l’information et de la communication (TIC) en éducation, nous avons cherché lors de cette étude à comprendre le processus d’adoption d’une innovation pédagogique avec les TIC. Plus précisément, c’est avec un environnement numérique d’apprentissage (ENA) que le contexte d’innovation a été mis en place. Pour ce faire, un ENA a été déployé pour l’ensemble des enseignants et des élèves du secondaire d’une commission scolaire de la région de Montréal. Au préalable, les enseignants n’avaient pas accès à un ENA et la plupart n’avaient jamais été en contact, autant comme enseignant ou en tant qu’apprenant, à un ENA. Nous pouvions par conséquent considérer la situation comme étant innovante. C’est donc dans ce contexte d’innovation pédagogique avec les TIC que nous avons réalisé cette recherche. L’objectif général de la recherche avait pour but de mettre en place un prototype d’ENA afin d’identifier les facteurs qui favorisent l’adoption de l’innovation par les enseignants du secondaire puis de voir quelles sont les perceptions de l’ENA lors d’un design de fonctionnalités pédagogiques et dans quelle mesure les enseignants ont perçu les affordances. Également, cela a permis d’élaborer des principes de design pour que les enseignants puissent mieux exploiter les TIC avec l’ENA. Pour réaliser cette recherche, nous avons utilisé l’approche méthodologique Design-Based Research. Ainsi, nous avons effectué trois itérations qui comprennent chacune un cycle caractérisé par le design d’un prototype, son implémentation, sa mise à l’essai dans un contexte réel et son évaluation. L’objectif de la première itération était d’abord exploratoire. Celle-ci visait l’implémentation et l’expérimentation de l’ENA en prévision d’une diffusion large. Une entrevue de groupe et un journal de bord ont permis de documenter cette itération. Les résultats obtenus ont montré que l’ENA était pertinent pour les enseignants. Cependant, nous avons relevé qu’un ensemble d’adaptations et de modifications avaient été nécessaires avant de procéder à la diffusion large de la plateforme. Ces interventions visaient à s’assurer que l’ENA réponde le mieux possible au contexte et à la réalité des enseignants. Lors de la deuxième itération, nous avions pour objectif d’identifier avec le Technology Acceptance Model (TAM) de Davis, Bagozzi et Warshaw (1989) les facteurs qui favorisent l’adoption de l’ENA. Les résultats de cette phase nous ont montré que, d’une part, nos données s’ajustent bien avec le modèle TAM et que, d’autre part, la dimension de l’utilité est un bon prédicteur pour l’adoption de l’ENA. Pour la troisième itération, nous avons réalisé avec neuf enseignants, répartis sur deux sites, un design participatif de fonctionnalités pédagogiques. Cette démarche avait pour objectif d’analyser les perceptions des enseignants relatives à l’ENA. Cette itération a été évaluée par des entrevues semi-dirigées. L’analyse des résultats nous a permis de confirmer l’utilité de l’ENA, notamment en matière de réinvestissement des activités réalisées. Également, les enseignants ont mentionné l’importance de la formation et de l’accompagnement dans la démarche de design de fonctionnalités pédagogiques. Cette itération visait aussi à voir dans quelle mesure les affordances des TIC dans l’ENA ont été perçues. Cette démarche d’intervention consistait également à placer les enseignants en situation de perception d’affordances. Cela ne nous a cependant pas permis d’articuler une relation directe entre le design de fonctionnalités pédagogiques et sa mise en œuvre en contexte réel avec la perception explicite des affordances de l’ENA.
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 | 0.020 | 0.046 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".