Innovation dans l’enseignement supérieur : des modèles aux pratiques, quels principes retenir?
Bibliographic record
Abstract
Pour faire face à la diversité de même qu’aux défis et enjeux liés à l’évolution des publics, des besoins du monde socio-économique, et à la forte présence du numérique, les établissements d’enseignement supérieur et les acteurs sont interpellés dans leurs pratiques routinisées. Ce constat suppose de penser la transformation des pratiques pédagogiques au-delà d’un outillage technologique, et dans un changement paradigmatique systémique qui convoque un nouvel alignement institutionnel. Les agentivités, individuelle et collective, se trouvent fortement convoquées dans cette dynamique de coconstruction, dont le présent article analyse plusieurs dimensions dans leurs singularités et complémentarités. Éloignée des approches qui présentent l’innovation en éducation comme la minimalisation des résistances et l’action sur des leviers, l’analyse rappelle l’importance d’une verticalité managériale portant une vision et qui s’allie à une horizontalité de la confiance qui reconnaît aux acteurs leur capacité à mettre en oeuvre ce processus de reconfiguration des pratiques. Celui-ci serait dès lors conjointement régulé par l’ensemble des acteurs au sein d’un cadre sécurisé dans lequel chacun agirait selon des degrés de responsabilité reconnus et assumés.
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 | 0.011 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.039 |
| Scholarly communication | 0.019 | 0.024 |
| Open science | 0.004 | 0.009 |
| Research integrity | 0.007 | 0.009 |
| Insufficient payload (model declined to judge) | 0.012 | 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".