La collaboration en ligne mise en œuvre par les étudiants : des contextes distincts et de possibles plus-values en termes de découvertes collectives ?
Bibliographic record
Abstract
Les étudiants ont la possibilité de mobiliser différents outils numériques à des fins de collaboration notamment lorsqu’ils se livrent à des activités de recherche ou à des investigations. Mais ces outils peuvent s’inscrire dans des contextes distincts, officiel ou officieux, en fonction de ceux qui sont utilisés. D’où l’intérêt d’examiner les processus interactifs à l’œuvre dans les deux cas, tout comme le passage progressif de l’un à l’autre est de nature à expliquer pourquoi les acteurs prennent quelque distance par rapport aux instances officielles pour travailler ensemble. Il est alors fait l’hypothèse qu’une telle transition est apte à donner à l’activité collective une dimension heuristique, notamment une propension à la découverte. Dans cet article, elle est mise à l’épreuve à l’appui d’un champ théorique (Computer-Supported Collaborative Learning) et de données (qualitatives/quantitatives) issues de travaux récents, sachant qu’un autre facteur (la taille des groupes constitués par les étudiants) paraît jouer un rôle non négligeable dans cette affaire.
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 | 0.019 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.011 | 0.017 |
| Scholarly communication | 0.020 | 0.019 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".