Enjeux systémiques du codéveloppement d’outils numériques en soutien à la formation : une confrontation entre dispositions et obstacles
Bibliographic record
Abstract
Dans un contexte de transition numérique et de pénurie de main-d’œuvre en éducation, le personnel enseignant est demandeur d’outils innovants pour réaliser son travail et optimiser ses actions. C’est ce contexte qui a lancé un projet de codéveloppement d’outils numériques qui vise la prévention de l’incapacité de travail d’élèves en adaptation scolaire réalisant des stages en entreprise. La recherche-action porte une volonté d’innovation, soutenue d’une part par un processus de codéveloppement avec le personnel scolaire et, d’autre part, par la mobilisation d’une approche sensible au genre. L’article fait état du processus de codéveloppement, de l’innovation développée, de même que des obstacles qui sont apparus pendant le projet. Ces derniers se rapportent principalement à trois catégories : les compétences numériques du personnel enseignant et des élèves, la charge de travail et le soutien organisationnel influençant l’innovation numérique. Ces contraintes freinent la volonté d’innovation présente chez toutes les personnes participantes qui reconnaissent l’avantage des nouveaux outils et leur impact positif sur le travail. Les obstacles et dispositions seront présentés en perspective des facteurs systémiques qui les amplifient afin de réfléchir aux conditions nécessaires à l’innovation numérique en éducation.
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 | 0.022 | 0.061 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.018 | 0.011 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".