Obstacles rencontrés par les élèves et adaptations des enseignants dans le cadre de la formation à distance au secteurd des jeunes
Bibliographic record
Abstract
Depuis le lancement du plan d'action numérique en éducation en 2018, une variété d'initiatives et de projets pilotes exploitant le numérique à divers ordres d'enseignement ont été lancés. Parmi ceux-ci se trouvent des projets de formation à distance pour les élèves de la fin du secondaire soutenus par des cours créés par les services nationaux du RÉCIT. Pendant trois ans, notre équipe de recherche a suivi la progression d'élèves et d'enseignants impliqués dans le cours d'Histoire du Québec et du Canada issu de cette initiative en ayant comme intention de caractériser et d'analyser les facteurs qui favorisaient ou qui entravaient l'engagement des élèves. Nos résultats, fondés sur le témoignage des élèves et les pratiques déclarées des enseignants, mettent en évidence des enjeux à considérer pour un éventuel déploiement de la formation à distance auprès des élèves du secondaire. En outre, la majorité des élèves semble apprécier l'autonomie que leur accorde ce format d'enseignement, mais une minorité s'y trouve fragilisée et isolée. De leur côté, les enseignants ont initialement éprouvé des difficultés à adapter leurs pratiques, notamment sur le plan des dimensions motivationnelle et socioaffective de l'enseignement.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.014 | 0.006 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".