La comodalité : une approche entre la présence et la distance
Bibliographic record
Abstract
La formation à distance (FAD) connait une évolution significative, rapide et continue dans plusieurs régions du monde (Conseil supérieur de l’éducation, 2015) et notamment au Canada où les établissements d’enseignement supérieur accordent de plus en plus d’importance à la FAD et à l’apprentissage en ligne (Bates 2019). La dernière année a vu l’émergence d’une variété de modèles, intégrant des approches hybrides variées. Les cours comodaux, multimodaux ou flexibles durant lesquels des étudiants sont assis dans une classe et où d’autres participent au cours à distance à partir de leur domicile de manière synchrone ou asynchrone (enregistrements) représente une nouvelle voie proposée aux étudiant(e)s pour permettre aux établissements et à leurs enseignant(e)s de développer et d’offrir à la fois des cours à distance et en présence. Dans cette présentation, nous présenterons le résultat d’une recension systématique des écrits et un guide qui s'y rattache. Au total, nous avons recensé près de 1500 articles abordant la comodalité ou des formes qui s’apparentent à la comodalité. L’analyse finale a été réalisée sur 114 textes qui comportaient des éléments pertinents à notre analyse, soit ceux qui nous ont permis de mieux définir le concept ou d’identifier les avantages et limites de cette approche.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.004 |
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".