Le recours massif à l’enseignement à distance lors de la pandémie de COVID-19 est-il susceptible de modifier en profondeur les valeurs et les normes de l’enseignement à l’université? Le cas d’une grande école de gestion canadienne
Bibliographic record
Abstract
Les universités « traditionnelles » fondées sur l’enseignement présentiel n’ont pas eu le choix de recourir massivement à l’enseignement à distance durant la pandémie Covid-19. Chaque université a dû réagir en fonction des logiques institutionnelles dans lesquelles elle s’insère et en fonction de son propre « archétype organisationnel » en matière d’enseignement. Certaines valeurs, croyances, normes et mécanismes de fonctionnement relatifs à l’enseignement ont été soit renforcés, soit bousculés, par le recours massif à l’enseignement à distance. À partir de l’étude qualitative en profondeur du cas d’une grande école de gestion canadienne, nous analysons dans quelle mesure les actions et décisions relatives à l’enseignement prises pendant la pandémie renforcent ou fragilisent son archétype organisationnel. L’analyse suggère que les décisions prises ont solidifié l’archétype organisationnel fondé sur la valeur de l’enseignement présentiel et des interactions entre enseignant et étudiants, mais l’ont aussi fragilisé, notamment concernant les valeurs et normes relatives à l’autonomie et l’expertise des enseignants, ainsi qu’au partage des rôles et décisions entre enseignants, gestionnaires et étudiants.
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 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".