Proposition de critères de proximité pour l’analyse des dispositifs de formation médiatisée
Bibliographic record
Abstract
De part et d’autre de l’Atlantique, l’université se questionne sur ses objectifs, sur l’évolution de ses publics ainsi que sur les modèles de dispositif de formation pouvant répondre à ces enjeux. Quel que soit leur modèle d’origine (enseignement en présentiel ou à distance), les établissements d’enseignement supérieur revoient leurs modalités de diffusion et mettent en place des dispositifs de formation hybrides (Burton et al., 2011 ; Deschryver et Charlier, 2012) qui permettent à la fois d’adapter les pratiques d’enseignement et d’exploiter au mieux les avantages et complémentarités des modalités de présence et de distance en termes de lieu, de temps et d’action. Pour décrire le continuum d’états intermédiaires entre présence et distance permettant de caractériser les situations de formation médiatisée, plusieurs auteurs évoquent le concept de proximité (Villardier et Do, 2008 ; Paquelin, 2011), qui réfère à la perception de la distance pour qualifier ce qui rapproche. L’objectif de la recherche en cours est, dans un premier temps, d’identifier les composants mis en place dans les dispositifs pour favoriser la proximité, puis, dans un second temps, de questionner les différents acteurs impliqués pour analyser si cette proximité est effective et perçue comme telle. La première partie du travail, présentée ici dans une perspective exploratoire, vise à construire la proximité en tant qu’objet de recherche puis propose de décrire le dispositif sous l’angle de la proximité. La démarche consiste à articuler deux cadres de référence sous forme d’une grille de lecture.
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 | 0.008 | 0.033 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.014 | 0.015 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.024 | 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".