De la multiplicité des facteurs à prendre en compte pour mieux comprendre l’abandon en formation à distance
Bibliographic record
Abstract
Il a fréquemment été mis en avant que les taux d’abandon sont particulièrement élevés en formation à distance. Cet article fait ressortir la multiplicité des facteurs susceptibles d’expliquer l’abandon et la nécessité de croiser plusieurs d’entre eux pour en comprendre l’influence sur le parcours des étudiants. Partant d’une distinction en trois catégories de facteurs (relatifs aux caractéristiques de l’étudiant, de son environnement et de ses cours), la recherche présentée propose de croiser diverses approches méthodologiques pour mieux saisir les influences d’une catégorie de facteurs sur une autre. Elle met ainsi en lumière que le lien entre le design pédagogique de cours et l’abandon n’est pas direct, mais dépend des caractéristiques propres aux étudiants et à leur environnement à l’instar de l’appréciation de l’accompagnement offert.
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 | 0.042 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".