État des connaissances sur les considérations éthiques de la supervision à distance à l’aide du numérique lors des stages de métiers relationnels en enseignement supérieur
Bibliographic record
Abstract
En supervision de stage, l’activité d’accompagnement peut être décrite comme « une éthique en acte » (Paul, 2020, p. 151). Accompagner des stagiaires en formation dans les métiers relationnels constitue un acte complexe dont la principale finalité s’avère le développement de leurs compétences professionnelles. Depuis quelques années, le numérique s’insinue dans la supervision (rencontres et observations à distance, enregistrements audio et vidéo, rétroactions immédiates, etc.), modifiant les dispositifs de formation pratique et médiatisant le langage, ainsi que la relation d’accompagnement. Quelles nouvelles considérations éthiques devraient guider l’acte d’accompagnement à l’aide du numérique lors des stages ? Une recension systématique des écrits ayant pour thèmes la supervision et le numérique dans tous les domaines de formation en enseignement supérieur a été réalisée. De notre analyse, plusieurs constats se dégagent autour d’enjeux éthiques inhérents à la supervision à distance et de facteurs relationnels, psychosociaux et numériques favorisant cette activité d’accompagnement en stage.
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 | 0.017 | 0.026 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.017 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 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".