Les usages et les représentations sociales de l’apprentissage mobile chez des futurs enseignants brésiliens et québécois
Bibliographic record
Abstract
L’apprentissage mobile est vu comme un apprentissage qui se déroule dans des contextes multiples, qu’ils soient formels ou informels, à travers des interactions sociales et des contenus en utilisant des dispositifs électroniques et personnels (Crompton, 2013). Pour l’UNESCO (2012), il représente une des solutions pour contribuer à une formation des enseignants capable de répondre aux besoins éducatifs du XXIe siècle. De plus, en raison de la baisse du coût des appareils mobiles et grâce à l'amélioration des réseaux numériques, l’apprentissage mobile est devenu une réalité tangible (Johnson et al., 2011). C’est le cas au Brésil et au Canada, deux pays qui présentent de hautes statistiques liées aux abonnements à la large bande mobile et à la possession des technologies mobiles. Dans le contexte éducatif, la législation régissant la formation initiale des enseignants de ces deux pays met en évidence l’importance de l’usage des TIC de façon à soutenir l’apprentissage du futur enseignant, entrevoyant aussi son utilisation pour leur futur enseignement. En plus, les projets d’apprentissage mobile sont déjà une réalité dans les écoles de la province de Québec, Canada, et de l’état du Ceará, Brésil. Dans ce contexte, à partir des usages déclarés des technologies mobiles pour l’apprentissage et en prenant comme référence la théorie des représentations sociales (Moscovici, 1961), cette recherche vise à mieux connaitre les usages pédagogiques des technologies mobiles et les représentations sociales des futurs enseignants brésiliens et québécois sur l’apprentissage mobile. Pour mieux comprendre comment ce type d’apprentissage peut soutenir les futurs enseignants, il est primordial de connaitre quels sont les avantages et les défis perçus par ceux qui pratiquent l’apprentissage mobile. Leurs perceptions peuvent susciter des attitudes positives quant à l’usage pédagogique des appareils mobiles ou stimuler des attitudes négatives envers ces mêmes technologies. Une méthodologie d’approche mixte a été employée avec l’administration d’un questionnaire auprès de 189 étudiants brésiliens et de 149 québécois ainsi qu’un entretien semi-dirigé avec le total de 36 étudiants, 18 étudiants provenant de cours de baccalauréat en enseignement d’une université brésilienne et 18 étudiants de cours de baccalauréat en enseignement d’une université québécoise. Une analyse statistique descriptive a été effectuée à partir des données quantitatives et une analyse de contenu des données qualitatives collectées. Les résultats montrent que les futurs enseignants brésiliens et québécois sont très mobiles, c’est à dire, qu’ils sont très équipés avec des appareils mobiles et très connectés à Internet. Nous constatons que, pour ces deux groupes, l’apprentissage mobile est déjà une réalité dans leur vie étudiante puisqu’ils déclarent l’utiliser dans plusieurs activités à des fins d’apprentissage. Pour ce qui est de leurs représentations sociales sur l’apprentissage mobile comme étudiants, tant les brésiliens que les québécois le perçoivent comme un type d’apprentissage qui complète leurs études pendant leur formation initiale. Ils mettent en évidence également plusieurs avantages de l’apprentissage mobile : il augmente l’accès à des informations et ressources, facilite la réalisation de recherches, permet d’apprendre à tout moment et en tout endroit et dynamise la communication. Ils indiquent cependant que les appareils mobiles peuvent favoriser la distraction et ainsi nuire à leurs études. Quelques-uns suggèrent même des stratégies pour surmonter cet inconvénient. Les autres défis, comme les problèmes techniques, l’absence de contact humain et difficulté à faire une recherche fiable sont moins mentionnés par les étudiants. Nous constatons aussi que les futurs enseignants brésiliens et québécois ont des attitudes positives à l’égard de l’usage des technologies mobiles dans l’enseignement. La plupart a l’intention de les utiliser dans leur propre enseignement, puisqu’ils croient que ces appareils peuvent améliorer leur performance d’enseignants. Ils sont, toutefois, préoccupés par la distraction qu’elles peuvent occasionner à leurs élèves. Enfin, nous constatons qu’en dépit de quelques différences liées principalement aux divers contextes socioéconomiques des deux pays, les similarités sont évidentes. Les deux groupes d'étudiants sont déjà très mobiles et ouverts à apprendre et à enseigner en mobilité.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.020 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".