Certificats de MOOC : débats passés et présents sur un objet en évolution rapide
Bibliographic record
Abstract
Au début des années 2010, les MOOC acquièrent une notoriété, et leurs certificats, gratuits dans un premier temps, déferlent par centaines de milliers sur la Toile. D’aucuns crient à la mort des diplômes tels que nous les connaissons, et comparent le succès des différentes formations sur la base du nombre de certificats délivrés. Les débats sur ces questions prennent en ampleur, oblitérant souvent le fait que ces certificats recouvrent des réalités variées. Là où certains valident effectivement des acquis, beaucoup sont l’équivalent numérique de feuilles de présence. Après avoir montré et interprété cet état de fait sur la base de propos récoltés au cours d’une enquête menée auprès de concepteurs de MOOC, nous revenons sur les débats engendrés par les évolutions récentes de ces certificats. La gratuité a presque disparu, le secteur privé a commencé à se faire sa place dans l’univers MOOC, ce qui ne manque pas de questionner le devenir des certificats nouvelle génération dans le milieu académique.
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 | 0.010 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.017 | 0.005 |
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".