L’enseignement comodal : conjuguer la présence et la distance en toute cohérence
Bibliographic record
Abstract
Historiquement, la formation à distance au Québec et au Canada jouit d’une longue tradition en enseignement supérieur et même au primaire et au secondaire. Au cours des dernières décennies, les évolutions technologiques ont contribué à une accélération de sa croissance, à un point tel que de nouvelles « manières d’enseigner et d’apprendre » émergent ou deviennent de plus en plus populaires. \n \nEn 2020, la pandémie de la COVID-19 a accentué la formation à distance et la diversité des modes de formation est devenue un sujet d’intérêt pour un nombre inégalé à ce jour de membres du personnel enseignant, de gestionnaires, de conseillers pédagogiques et même d’apprenants. Que restera-t-il de ces intérêts spontanés pour les divers modes de formation et des transformations des manières d’enseigner et d’apprendre? L’avenir nous apportera des réponses intéressantes. \n \nEn ce sens, l’enseignement comodal que certains désignent comme l’approche « flexible » ou « Hyflex » semble être sur une lancée. Constatant un intérêt de plus en plus marqué pour ce mode de formation, nous avons jugé bon de réaliser un guide portant sur l’enseignement comodal. Ce guide met en évidence les caractéristiques des cours comodaux en contexte de formation à distance et d’hybridité. Il présente également les avenues pédagogiques et technologiques à adopter afin de mettre en place cette modalité de formation. Le tout s’appuie sur une importante recension de la littérature scientifique, une étude exploratoire réalisée spécifiquement pour ce projet et sur une synthèse des ressources existantes complétée par des partages spécifiques avec des partenaires. \n \nIl en résulte un guide qui permet d’atteindre un double objectif : informer et outiller les enseignants de tous les ordres d’enseignement qui souhaitent intégrer l’enseignement comodal à leurs pratiques sur la base des données probantes actuellement disponibles, et permettre à tous les intervenants, les enseignants, les apprenants et les établissements de vivre une expérience d’enseignement comodal riche et profitable.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.018 | 0.058 |
| Scholarly communication | 0.016 | 0.011 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 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".