L’enseignement à distance. Proposition didactique pour l’enseignement du fle
Bibliographic record
Abstract
La pandémie du SARS-CoV-2 (COVID-19) de l’année 2020 a porté un grand changement dans tous les domaines de nos vies et bien sûr aussi dans notre système éducatif, qui a été obligé de mettre en oeuvre la formation à distance à tous les niveaux de façon urgente et précipitée afin d’assurer le droit à l’éducation à une époque où la présence à l’école est impensable pour des raisons de santé et de sécurité. Nous présentons ensuite une étude à ce sujet, en pleine polémique sur l’opportunité de poursuivre ou non cette approche pendant cette année scolaire. Nous partons de la mise en oeuvre de ce genre de formation dans notre pays et à l’étranger pour tenir compte de ses avantages et contraintes en cas d’application générale de cette approche. Nous avons décidé d’argumenter sur la base de nombreuses études dont les recherches sont bien plus avancées que les nôtres et sur l’expérience d’institutions spécialiées en formation à distance telles que le CNED ou l’Université Laval. Nous nous sommes toujours efforcés de ne pas perdre de vue la situation actuelle afin de rendre cette étude le plus utile possible et d’obtenir des conclusions les plus detaillées et exactes.
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 | 0.010 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.014 | 0.015 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.021 | 0.006 |
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".