Encadrer des étudiant·es à distance : description des pratiques de nouveaux professeur·es
Bibliographic record
Abstract
Les établissements d’enseignement supérieur canadiens accordent de en plus d’importance au développement de la formation à distance (FAD) et de l’apprentissage en ligne (Bates et al., 2017). Historiquement, dans les établissements en FAD, le processus d’enseignement « traditionnel » est fractionné en deux temps. Dans un premier temps, les cours sont conçus par un professeur ou une équipe de conception. Par la suite, l’encadrement des étudiants est assumé par un professeur ou une personne désignée à cet effet (Racette et al., 2017). Il s’agit alors d’accompagner les étudiant.es dans leur démarche d’apprentissage, d’agir comme modérateur, facilitateur, coach, mentor pédagogique, e-tuteur, accompagnateur, etc. \nÀ leur arrivée en poste, les nouveaux professeur.es sont rapidement appelés à développer des pratiques d’encadrement à distance et par le fait même, comme le souligne (Vachon, 2013), sont appelés à développer de multiples compétences tel que la communication écrite et orale, l’utilisation des TIC, etc. \nAu cours des derniers mois, une analyse des pratiques d’encadrement des étudiants à distance a été entreprise par une équipe de recherche. Ce projet de recherche, financé par le Fonds de recherche - Société et culture du gouvernement du Québec (FRQSC) a permis le déploiement de l’Observatoire du cours d’action. Ce cadre théorique a permis de déploiement de l’outil du cours de vie relatif, outil méthodologique issu du cadre sémiologique du cours d’action (Theureau, 2004, 2009). \nCe projet comporte trois objectifs : (1) Décrire les pratiques d’encadrement de nouveaux professeurs dans leurs cours FAD, (2) Expliquer la manière dont les pratiques d’encadrements de nouveaux professeurs évoluent dans le temps, (3) Analyser la manière dont les nouveaux professeurs développent leurs compétences quant aux pratiques d’encadrement dans des cours de FAD. \nLors de cette communication, nous proposons de présenter les pratiques d’encadrement des étudiant.es à distance qui ont été observées chez de nouveaux professeur.es au cours des dernières années. \n \nAu cours des derniers mois, nous avons réalisé une recension systématique de la littérature scientifique afin de vérifier comment l’apprentissage expérientiel dans un contexte d’enseignement supérieur à distance était en mesure d’engager la personne étudiante dans son apprentissage. Parmi les résultats obtenus à la suite à ce processus, nous constatons qu’une activité d’apprentissage authentique ne peut à elle seule engager la personne étudiante dans un apprentissage expérientiel. De plus, il appert que celle-ci doit comporter une certaine structure pour soutenir l’engagement et l’apprentissage. Lors de cette communication, nous partagerons les fruits de ce processus de recherche.
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.007 | 0.010 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".