MétaCan
Menu
Back to cohort
Record W3044693431

Formation à distance, jeux sérieux et accompagnement : des pistes pour aider les étudiants en situation de handicap

2020· article· fr· W3044693431 on OpenAlexaboutno aff
Caroline Brassard, Patrick Plante

Bibliographic record

VenueR-libre (Université Téluq) · 2020
Typearticle
Languagefr
FieldSocial Sciences
TopicEducation, sociology, and vocational training
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical scienceArt
DOInot available

Abstract

fetched live from OpenAlex

1) Conception de cours à distance et utilisation de jeux sérieux : des pistes pour aider les étudiants en situation de handicap
\n
\nLa pandémie va changer la façon durable la manière de concevoir des cours qui vont passer du face-à-face à l’interface. C’est pour aider à cette transition que le site https://jenseigneadistance.teluq.ca/ est rendu public. La formation à distance génère un lot de défis pour les étudiants en situation de handicap. Il faut apporter un souci supplémentaire à la conception des cours, mais aussi à la motivation et à la persévérance. Dans ce contexte, les jeux sérieux et la ludification peuvent aider. Le jeu n’est pas un nouveau domaine en éducation. Depuis des centaines d’années, le jeu est formateur et offre la possibilité d’améliorer des compétences. Cependant, depuis les années 1970, la méthode scientifique ainsi que des objectifs clairement définis, jumelés à la révolution informatique, ont structuré le domaine des jeux sérieux numériques. Le jeu, comme phénomène social, s’insère de plus en plus dans différentes sphères de la vie quotidienne, dont l’éducation et la formation. Il est alors pertinent de se demander, au-delà du phénomène de mode, où sont les avantages de l’utilisation des jeux sérieux et de la ludification spécialement pour les étudiants en situation de handicap.
\n
\n2) Accompagnement des étudiants en situation de handicap à distance : enjeux, défis et pistes d’action.
\n
\nLe soutien aux étudiants en situation de handicap pose naturellement de nombreux défis, mais les équipes au sein des institutions ont développé de nombreux services de proximité pour les accompagner. Lorsque vient le temps de faire cet accompagnement à distance, plusieurs questions émergent et certaines pratiques doivent être adaptées.
\n
\nQuels sont les enjeux spécifiques à la formation à distance ? Quels défis particuliers ont à relever étudiants et intervenants pour continuer sur la voie de la réussite ? Et surtout, quelles pistes d’action peuvent être mises en place pour soutenir adéquatement les étudiants en situation de handicap et répondre efficacement à leurs besoins ? C’est à ces questions que la présentation apportera réponse.
\n
\n3) L’aide juste à temps pour le succès et la persévérance des étudiants en formation à distance 
\n
\nDepuis ces dernières années, le nombre d’étudiants à situations particulières (TDAH, autisme, déficience auditive, etc.) est en constante augmentation dans les institutions d’enseignement québécois passant de 8 201 en 2013 (Gagné & Tremblay, 2018) à 18 064 en 2019 (Gagné, Tremblay, & Bussières, 2020). L’Université TÉLUQ, qui offre des cours et des programmes à distance, accueille près de 20 000 étudiants par année. En plus des étudiants en situations particulières, plusieurs reviennent aux études après un long laps de temps afin, d’améliorer leur situation professionnelle, tout en travaillant à temps plein. L’Université TÉLUQ, par l’entremise de son Service aux étudiants (SAE), s’est donné pour mandat d’améliorer le succès, la persévérance et la rétention et de ces étudiants. Pour y arriver, un comité sur les outils d’aide à la réussite étudiante a été mis sur pied. Des enquêtes ont permis d’identifier plusieurs facteurs de risques liés à l’abandon des étudiants (à paraître). Afin d’aider les étudiants avec des besoins et des défis différents dans les premiers cours, un système d’aide juste à temps est présentement mis sur pied. Dans le cadre de ce webinaire, nous présenterons les premières itérations ainsi que le design de ce nouveau système.

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 distilled prediction

Teacher imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.349
Threshold uncertainty score0.966

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0000.002
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.173
GPT teacher head0.373
Teacher spread0.200 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueR-libre (Université Téluq)Same topicEducation, sociology, and vocational trainingFrench-language works237,207