Dans les cours à distance autorythmés : la difficulté de communiquer
Bibliographic record
Abstract
Parce qu’en formation à distance, l’isolement est la cause de beaucoup d’abandons (Bernard et al., 2004 ; Elliott et al., 2005), nous avons tenté d’augmenter la perception de présence transactionnelle, c’est-à-dire le degré auquel un étudiant en formation à distance se perçoit en lien avec ses enseignants, ses pairs et son établissement (Shin, 2002). Dans deux cours à distance autorythmés (n = 225), nous avons expérimenté l’utilisation d’une visioconférence Web et d’un logiciel social. Conformément à la méthodologie de design-based research, où les chercheurs collaborent activement avec les acteurs du terrain afin d’améliorer les approches à chaque itération, nous présentons les interventions éducatives mises en place en lien avec ces outils du web 2.0. Les résultats montrent que, depuis le début de cette recherche, ce sont les visioconférences qui ont eu le plus d’impact sur la perception de présence transactionnelle, mais cela surtout, dans cette deuxième itération, par l’entremise de l’enregistrement des rencontres dans ces cours où chaque étudiant chemine à son propre rythme. Ces résultats nous amènent à redéfinir le concept même de l’isolement et les moyens pour le diminuer en formation à distance autorythmée.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".