Recherche évaluative d’un MOOC sur le transfert de connaissances dans cinq pays francophones
Bibliographic record
Abstract
La demande de formation en transfert de connaissances (TC) est si importante que les organisations qui offrent de telles formations ont du mal à y répondre entièrement en présentiel. C’est pourquoi une formation en ligne de type Massive Open Online Course (MOOC) a été développée. Elle a pour objectif l’utilisation et l’appropriation du processus de TC par les milieux de pratique, les décideurs et le grand public. L’objectif de ce mémoire était d’évaluer un MOOC d’introduction au TC en recueillant les opinions, les réactions, l’appropriation et les changements de pratique des utilisateurs. L’étude a utilisé un devis qualitatif. Un questionnaire administré dès le début du cours via la plateforme a permis de constituer le profil des participants par le biais de leurs données descriptives, des raisons de leur inscription et de leurs intentions vis-à-vis du cours. Ensuite, des entrevues semi-dirigées individuelles ont été conduites (n = 16) avec des apprenants professionnels ayant complété le cours et étant issus de cinq pays francophones d’Afrique de l’Ouest (Canada, France, Burkina Faso, Mali, Sénégal). Les contenus du MOOC d’introduction au TC ont généralement été appréciés et réutilisés par les répondants. L’analyse des entrevues révèlent un motif principal menant à la complétion du cours : la possibilité immédiate pour les professionnels de valoriser leurs apprentissages dans leurs milieux de pratique. L’étude met en évidence le potentiel des MOOC pour l’acquisition de connaissances et de compétences de professionnels en matière de TC. Cependant, la majorité des personnes soulèvent le manque d’interaction entre apprenants et expriment leur besoin d’accompagnement avec un formateur afin d’approfondir les sujets abordés pendant le cours. Les résultats révèlent également des enjeux de connexion et d’accessibilité du cours liés au réseau Internet et à la stabilité d’accès à l’électricité dans les pays d’Afrique de l’Ouest. Finalement, plusieurs recommandations et pistes d’explorations ont été formulées afin d’optimiser les futures conceptions de MOOC sur le TC.
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 | 0.015 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".