Bibliographic record
Abstract
Cet ouvrage est une première en langue française car il met en évidence la contribution incontournable mais méconnue des conseillers et des ingénieurs pédagogiques dans le développement de cours et de programmes en ligne dans les universités francophones européennes et canadiennes par le truchement de vingt études de cas. Il lève le voile sur les pratiques de ces professionnels qui travaillent de concert et au quotidien avec les professeurs d’université afin d’améliorer la qualité de l’enseignement, tout en le rendant plus accessible. Les cas dans ce collectif international permettent de cerner les défis que relèvent ces équipes, les problèmes qu’elles doivent affronter et les solutions qu’elles réussissent à trouver et à mettre en œuvre dans des conditions qui sont rarement idéales. Dans ce contexte, l’apport de ces conseillers et ingénieurs pédagogiques est essentiel, bien que les actions précises qu’ils assurent et leur rôle véritable ne soient pas toujours connus par les décideurs universitaires et les professeurs. Ainsi, pour mieux comprendre les coulisses de la formation en ligne dans l’enseignement supérieur, ces vingt cas offrent aux praticiens de l’enseignement en ligne de très bons exemples concrets d’innovations pédagogiques, technologiques ou organisationnelles. Ils apportent aussi aux chercheurs un terrain fécond d’investigation scientifique.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.012 | 0.008 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.229 | 0.114 |
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".