L’interaction en formation à distance : entre théories et pratiques
Bibliographic record
Abstract
Alors que la formation à distance (FAD) se développe plus fortement depuis une vingtaine d’années et permet d’accroître l’accessibilité de l’enseignement supérieur (collégial et universitaire), la persévérance des étudiants et la qualité de leurs apprentissages demeurent problématiques. L’incitation aux échanges voire au travail entre pairs est parfois envisagée comme une solution mais les dispositifs sont variés et leurs impacts mal connus.C’est ce qui a motivé la recension et l’analyse présentées ici, concernant les dispositifs technopédagogiques encourageant l’interaction à distance dans le cadre de l’enseignement supérieur au Canada. Notre revue systématique de la littérature porte sur 60 études publiées entre janvier 2005 et décembre 2014.Elle a permis d’obtenir deux résultats: premièrement, une typologie des dispositifs fondée sur les objectifs qu’ils poursuivent et, deuxièmement, une typologie des problématiques de recherche dans le domaine identifiant quatre grandes questions de recherche. Ces études font ressortir que l’interaction, tout comme le travail collaboratif, constituent des défis pour les apprenants qui considèrent davantage l’aspect contraignant que les opportunités offertes. Elles démontrent cependant que, lorsque les étudiants y parviennent, ils tirent satisfaction des liens sociaux noués avec leurs pairs et sont susceptibles de réaliser des apprentissages approfondis, ce qui est notamment le cas dans le cadre de situation d’apprentissage authentique visant le développement de compétences.
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 | 0.012 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.013 | 0.061 |
| Scholarly communication | 0.022 | 0.019 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.012 | 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".