L’apprentissage numérique dans les établissements postsecondaires canadiens : rapport du Québec 2021
Bibliographic record
Abstract
"La crise sanitaire a forcé les institutions à adapter leurs pratiques, spécialement à l’égard de la formation en ligne. Par la force des choses, la formation en ligne est devenue la nouvelle normalité. Cela a rapidement amené de nombreux défis au sein des établissements d’enseignement postsecondaires, notamment quant à la santé mentale des étudiantes et étudiants, aux pratiques d’évaluation et à l’accès aux technologies pour le personnel enseignant et les étudiantes et étudiants. L’ACRFL a repris au printemps 2021 son Enquête nationale sur l’apprentissage en ligne et numérique, qui a dû être mise en pause en 2020 en raison de la pandémie. L’objectif principal de cette enquête était de tracer un portait de la formation en ligne au Canada en portant une attention particulière aux effets de la pandémie. Le questionnaire était ouvert d’avril à juillet 2021 et le nombre total d’établissements postsecondaires québécois y ayant participé s’est élevé à 22 (11 cégeps et 11 universités). Ce rapport, qui présente les conclusions s’appliquant au Québec, a été rédigé en concertation avec le gouvernement du Québec."--(ACRFL)
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.006 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".