EDUCAUSE 2021 Rapport de la délégation française - FR
Bibliographic record
Abstract
Pour la huitième année consécutive, une délégation française été constituée en vue de la participation à laconférence annuelle EDUCAUSE. Depuis 2013, cette initiative s’est structurée autour de profilscomplémentaires issus du numérique de l’Enseignement Supérieur français, ayant tous à coeur de s’ouvrir àl’international afin d’y trouver des sources d’inspiration et des points de comparaison, mais aussi d’y valoriserdes réalisations remarquables. D’une philosophie initiale de simple participation, qui a prévalu lors des premièresannées de cette délégation, nous sommes progressivement passé à une logique résolument plus active, et ce àdifférents niveaux.Les membres du comité d'organisation de la délégation participent activement à la vie d’EDUCAUSE, au traversde différentes implications : en tant que proposal reviewers (relecteurs de soumissions d’interventions) pour lesEDUCAUSE Annual Conferences et EDUCAUSE Learning Initiative Annual Conferences, en tant que membresdu panel d’experts mobilisés dans le cadre de la rédaction du EDUCAUSE Horizon Report, ou encore en tantque membres de différents Community Groups thématiques (XR et Learning Spaces en particulier). S’y ajoutentune quinzaine de communications faites par des membres de la délégation lors des différentes conférencesdepuis 2017.La reconnaissance de ces différents niveaux d’intervention nous a permis de tisser des liens privilégiés avecEDUCAUSE et en particulier ses membres exécutifs (Président, Vide-Présidents et Directeurs), et plusglobalement au sein de la communauté universitaire nord américaine, avec laquelle certaines collaborationformelles ont déjà pu être inscrites dans la durée. Des liens qui contribuent d’autant à la réalisation de nosobjectifs fondamentaux: échanger, sensibiliser, informer, et partager afin de soutenir le développement dunumérique dans l’Enseignement Supérieur français.Notre traditionnelle restitution concrétise chaque année cette volonté, et s’est positionnée comme un rendezvousannuel majeur que nous savons apprécié. Le rapport qui l’accompagne, quant a lui, connait une diffusionsans cesse croissante, et qui s’appuie notamment sur une traduction anglaise que nous avons rapidementactée. En dehors des frontières européennes, il est ainsi attendu et lu chaque année notamment aux Etats-Unis,au Canada, au Japon, à Singapour, en Australie ou encore en Nouvelle Zélande. Cette nouvelle édition de notrerapport fait suite à la restitution qui s’est tenue le 17 Mars 2022. Il traite des différents ateliers suivis lors de laconférence EDUCAUSE tenue en Octobre 2021. Il peut également être complété par les différents tweetspostés par la délégation sous le mot-dièse #EDU21fr.L’édition 2021 de la conférence EDUCAUSE était encore placée comme en 2020 sous le signe de la crisesanitaire mondiale. Elle était uniquement accessible à distance pour les participants internationaux comme nousprivés de transports aériens. Cependant un nombre limité de sessions en dehors des plénières ont été filméeset diffusées. La courte durée (un mois) de consultation en ligne de ces vidéos aurait rendu compliquée larédaction des articles de ce rapport. Mais notre intervention auprès du comité d’organisation d’EDUCAUSE apermis l’accès hors délais de certaines sessions et nous tenons à en remercier chaleureusement nos contacts.Nous vous souhaitons une agréable et informative lecture.
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 | 0.010 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.210 | 0.066 |
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".