Obstacles et opportunités stratégiques de l’avenir de la formation à distance
Bibliographic record
Abstract
Dire que la Covid-19 a bouleversé le rapport à la formation à distance (FAD) est une évidence qui relève du truisme. Sur le plan de la recherche, l’accroissement des productions a été considérable. Par exemple, dans la base de données ERIC, le nombre d’articles référencés en anglais portant sur l’éducation à distance (« Distance Education ») a quasiment été multiplié par cinq entre 2019 (454 références) et 2021 (2 223). Mais la production scientifique en éducation ne se traduit pas nécessairement en évolutions tangibles. Les établissements d’enseignement ont leurs logiques internes et nous laisserons aux sociologues des organisations le soin d’étudier celles-ci. En revanche, quelques indications nous permettent d’entrevoir des tangentes prises par les établissements en matière de FAD. À cet effet, EDUCAUSE suggérait ainsi que les établissements d’enseignement supérieur seraient amenés à choisir parmi trois voies technologiques postpandémiques : a) la restauration, c’est-à-dire revenir à la situation qui prévalait avant la pandémie ; b) l’évolution, à savoir s’attarder à s’adapter à une nouvelle normalité ; c) la transformation, soit redéfinir l’institution universitaire et contribuer à créer un nouvel enseignement supérieur (Grajek et 2020-2021 EDUCAUSE IT Issues Panel, 2020). Si l’on souhaite se garder de toute pensée hors-sol concernant les stratégies numériques des institutions d’enseignement supérieur au prisme de la distance, l’exercice de réflexion stimulant proposé dans ces pages par Peraya et Fiévez (2022) n’en est pas moins ambitieux. En effet, parmi les trois voies technologiques évoquées, des réalités (géographiques, financières ou autres) s’imposeront nécessairement comme autant de contraintes. À l’heure où cet article est proposé, l’université de Moncton (UdeM) est engagée depuis quelques mois dans l’élaboration d’une planification stratégique. Cet exercice nous permet de proposer, modestement, une réflexion sur la stratégie numérique d’une université francophone, dans un environnement nord-américain singulier, au prisme de la FAD. Après avoir exposé quelques caractéristiques de l’UdeM et présenté des initiatives en FAD, nous ferons état des réflexions des autres établissements postsecondaires de la province. En conclusion, nous ferons quelques propositions qui pourraient alimenter le futur plan d’action de l’université.
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 | 0.013 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.012 | 0.016 |
| Scholarly communication | 0.020 | 0.011 |
| Open science | 0.002 | 0.016 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.018 | 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".