Javascript must be enabled to continue!
Une VAE à l’université, et après ?
View through CrossRef
Le dispositif français de validation des acquis de l’expérience (VAE) consiste à prendre en compte l’expérience non formelle et informelle acquise par un individu. Ce dispositif a été conçu comme une quatrième voie de certification après la formation initiale, la formation continue et l’apprentissage. En permettant la validation totale d’un diplôme, l’objectif voulu par le législateur était de promouvoir la promotion professionnelle. Après plus de dix années de mise en place, de nombreux aspects de la VAE ont été étudiés par des chercheurs : la motivation des candidats, l’analyse de l’expérience, la notion d’accompagnement dans le processus de validation… Peu de recherches par contre se sont intéressées à l’après VAE, c’est-à-dire aux « effets » de la VAE sur la promotion professionnelle, la rémunération, la reconversion, le retour à l’emploi. C’est pour éclairer ces effets que nous proposons dans cet article les résultats d’une enquête réalisée auprès de 223 candidats d’une université qui ont suivi une procédure de VAE pour des diplômes allant du diplôme universitaire de technologie ou de la licence jusqu’au master 2.
Title: Une VAE à l’université, et après ?
Description:
Le dispositif français de validation des acquis de l’expérience (VAE) consiste à prendre en compte l’expérience non formelle et informelle acquise par un individu.
Ce dispositif a été conçu comme une quatrième voie de certification après la formation initiale, la formation continue et l’apprentissage.
En permettant la validation totale d’un diplôme, l’objectif voulu par le législateur était de promouvoir la promotion professionnelle.
Après plus de dix années de mise en place, de nombreux aspects de la VAE ont été étudiés par des chercheurs : la motivation des candidats, l’analyse de l’expérience, la notion d’accompagnement dans le processus de validation… Peu de recherches par contre se sont intéressées à l’après VAE, c’est-à-dire aux « effets » de la VAE sur la promotion professionnelle, la rémunération, la reconversion, le retour à l’emploi.
C’est pour éclairer ces effets que nous proposons dans cet article les résultats d’une enquête réalisée auprès de 223 candidats d’une université qui ont suivi une procédure de VAE pour des diplômes allant du diplôme universitaire de technologie ou de la licence jusqu’au master 2.
Related Results
Recyclable, Fully Bio‐Based, High‐Performance Cellulose Long Filament Reinforced Vanillyl Alcohol Epoxy Composites for Structural Applications
Recyclable, Fully Bio‐Based, High‐Performance Cellulose Long Filament Reinforced Vanillyl Alcohol Epoxy Composites for Structural Applications
AbstractThe reusability of thermosets and their composites is challenging due to their robust crosslinked network structures, which underrate them as eco‐friendly materials and sev...
REGULAR ARTICLES
REGULAR ARTICLES
L. Cowen and
C. J.
Schwarz
657Les Radio‐tags, en raison de leur détectabilitéélevée, ...
Analisis Kemampuan Beta-VAE Pada Dataset Yang Berbeda
Analisis Kemampuan Beta-VAE Pada Dataset Yang Berbeda
Data sintetis sudah menjadi beberapa penelitian untuk kasus machine learning, salah satunya adalah menambah data baru dikarenakan kurangnya data yang sudah ada. Tetapi bagaimana un...
Mixtures of Variational Autoencoders for Cluster Analysis in Latent Space
Mixtures of Variational Autoencoders for Cluster Analysis in Latent Space
<p><strong>Deep generative models have greatly advanced the field of artificial intelligence by learning the distribution of unlabelled datasets. In this thesis, we aim...
Implicit and explicit phase modeling in deep learning-based source separation
Implicit and explicit phase modeling in deep learning-based source separation
Modélisation implicite et explicite de la phase dans la séparation de sources par apprentissage profond
Qu'elle soit traitée par des humains ou des machines, la par...
InvMap and Witness Simplicial Variational Auto-Encoders
InvMap and Witness Simplicial Variational Auto-Encoders
Variational Auto-Encoders (VAEs) are deep generative models used for unsupervised learning, however their standard version is not topology-aware in practice since the data topology...
A multimodal fusion network based on variational autoencoder for distinguishing SCLC brain metastases from NSCLC brain metastases
A multimodal fusion network based on variational autoencoder for distinguishing SCLC brain metastases from NSCLC brain metastases
Abstract
Background
Distinguishing small cell lung cancer brain metastases from non‐small cell lung cancer brain metastas...
Remerciements
Remerciements
Les directrices de ce numéro tiennent à remercier le comité scientifique composé de Cyril Camus (CPGE / CAS, Toulouse-Jean Jaurès), Yves Davo (Université de Bordeaux), Magali Fleur...

