La collaboration intersectorielle au service des compétences informationnelles : L’exemple d’un programme de formation à l’École des sciences de la gestion de l’Université du Québec à Montréal
Bibliographic record
Abstract
Les bibliothécaires universitaires doivent composer avec plusieurs impératifs afin d’offrir de la formation sur les compétences informationnelles. L’objectif de ce texte est de partager notre expérience de travail d’équipe intersectorielle composée de membres du corps professoral, de bibliothécaires, de conseillères et conseillers technopédagogiques et d’intégration multimédia. En mettant nos expertises diverses à contribution, nous avons créé un parcours de formation des compétences informationnelles destiné aux étudiantes et étudiants d’un programme de deuxième cycle en sciences de la gestion. Ce projet novateur de l’Université du Québec à Montréal (UQAM) a été officiellement lancé en janvier 2022. Les étudiants acceptés à la maîtrise en sciences de la gestion devront obligatoirement réussir ce parcours de formation qui les initiera, d’une part, aux compétences informationnelles et numériques et, d’autre part, à différents principes de la communication savante et de l’intégrité intellectuelle. Les étapes ayant permis l’émergence de ce projet seront détaillées, de même que les défis rencontrés jusqu’à son achèvement. Cette expérience pourrait inspirer d’autres établissements d’enseignement, mais nous cherchons surtout à montrer l’importance du travail intersectoriel pour accompagner les étudiantes et les étudiants vers leur réussite scolaire. Nous avons la conviction que plusieurs notions présentées dans le parcours de formation développé sont transversales, qu’elles dépassent la stricte maîtrise de compétences techniques nécessaires aux apprentissages et qu’elles jettent plus largement les bases d’une meilleure compréhension de l’univers numérique dans lequel les étudiants évoluent. Ne s’inscrivant pas directement dans le Plan d’action numérique du ministère de l’Éducation et de l’Enseignement supérieur du Québec (2018), des initiatives telles que celle menée par l’équipe de l’UQAM sont tout de même en cohérence avec plusieurs de ses orientations, dont la première, qui est de soutenir le développement des compétences numériques des jeunes et des adultes pour qu’ils soient des citoyens et des professionnels mieux informés.
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 | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.014 | 0.007 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".