Enjeux et défis de la formation à distance dans un contexte de pandémie
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
La pandémie de Covid-19 qui s’est propagée progressivement a entraîné dans bon nombre de pays des mesures de confinement. C’est notamment le cas au Canada, où les enseignants de tous niveaux ont été invités à exercer en formation à distance (FAD). Dans la mesure où l’éducation est gérée au niveau provincial, toutes les provinces ne sont pas parties avec les mêmes atouts vers ce développement de la FAD. Par exemple, tandis que l’Ontario avait déjà quelques cours de niveau primaire en ligne ainsi que l’intégralité des cours de secondaire et un ecampus pour le supérieur, le Québec avait bien l’intention de développer la FAD mais ne l’avait pas encore fait et a donc dû compter sur les acteurs offrant déjà des cours à distance. C’est ainsi que le ministère de l’Éducation a demandé à l’Université TÉLUQ de créer une formation à distance pour former l’ensemble des enseignants de la province à enseigner à distance. S’est alors posée la question suivante : comment former rapidement des enseignants de différents ordres d’enseignement à passer de la présence à la distance ? Alors que les enjeux de poursuite de l’éducation malgré le confinement en vue, non seulement de finir l’année scolaire, mais aussi certainement de démarrer la prochaine, sont importants et impliquent de former les enseignants de toute urgence, les défis à relever pour ce faire sont grands. Nous proposons ainsi de présenter le processus de création de la formation «J’enseigne à distance». Nous expliquerons comment nous en sommes venus à créer une formation gratuite et sans inscription, mais avec une possibilité d’attestation, comprenant quatre microprogrammes «accompagner», «diffuser», «adapter», «évaluer», une boîte à outils et un glossaire conçus spécifiquement pour favoriser l’adaptation des enseignants à la formation à distance. Nous mettrons en avant les évolutions connues par le projet en cours de création, les difficultés qu’il a fallu surmonter dans un contexte d’urgence et de télétravail. Enfin, nous pourrons faire part des données de fréquentations ainsi que des avantages et limites perçues de cette formation.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 it