La facilitation et l’accompagnement de l’apprentissage collaboratif dans la formation à distance : un levier de l’expérience autotélique?
Bibliographic record
Abstract
La formation à distance (FAD) a considérablement évolué depuis son introduction, au cours des années 1960, dans le milieu de l'enseignement supérieur, faisant de l'engagement étudiant dans les environnements d'apprentissage en ligne un défi majeur pour les concepteurs et conceptrices.L'objectif de cet article est de montrer dans quelle mesure le soutien à l'apprentissage collaboratif à distance favorise l'expérience autotélique des étudiants et étudiantes, en ce qu'elle est considérée aujourd'hui comme un prédicteur de la persistance en formation.La méthodologie repose sur une enquête par questionnaire réalisée auprès de 88 étudiants et étudiantes et 4 enseignantsconcepteurs et enseignantes-conceptrices de dispositifs en ligne, répartis en 4 formations, tantôt asynchrones ou synchrones et proposées sur des plateformes offrant ou non des outils de collaboration.Les résultats montrent que les possibilités de collaboration de la formation asynchrone procurent une perception de la facilitation et de l'accompagnement égale à celle des formations synchrones.Il apparaît aussi que la facilitation et l'accompagnement de l'apprentissage augmentent le sentiment de bien-être.Des différences de perception entre le personnel enseignant et les étudiantes et étudiants sont également observées, suggérant l'importance de mieux comprendre l'appropriation des scénarios d'apprentissage. Mots-clésSoutien à l'apprentissage collaboratif, autotélisme, flow, formation à distance, communauté d'apprentissage en ligne N. Mohib, M. Zinger-
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".