MétaCan
Menu
Retour à la cohorte
Enregistrement W1169399299

Scripteurs en action! Modélisation et échafaudage du processus d'écriture d'apprenants de langue seconde

2014· article· fr· W1169399299 sur OpenAlexaboutno aff
Mélissa Pesant

Notice bibliographique

RevueuO Research (University of Ottawa) · 2014
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Pesant, Formation à l'enseignement sous la supervision de Mme Marie-Josée Hamel, professeure agrégée Profil de l'étudianteÉtudiante bachelière en psychologie et communication et présentement à la formation à l'enseignement de l'Université d'Ottawa avec aspiration de poursuivre mes études supérieures en études du bilinguisme.Je suis passionnée de l'enseignement des langues secondes et de tout ce qui s'y rapporte.L'apprentissage d'une nouvelle langue est, selon moi, une ouverture vers le monde. Description du projetLe projet de recherche Scripteurs en action s'inscrit dans la lignée des travaux en ergonomie des interfaces d'apprentissage des langues médiatisé par les technologies (ALMT) de ma superviseure de recherche, Mme Marie-Josée Hamel.Sa recherche s'intéresse en particulier à l'interaction des apprenants de langue (français et anglais langue seconde) avec les ressources langagières auxquelles ils accèdent en ligne pour effectuer des tâches langagières de production écrite (rédaction, révision et traduction de textes).L'objectif de la recherche est d'observer les usages que les apprenants font de ces ressources langagières et de mesurer la qualité de l'interaction 'apprenanttâche-ressource' dans ce contexte spécifique.Scripteurs en action est un projet d'équipe subventionné par le Conseil ontarien de la qualité de l'enseignement supérieur (COQES) en partenariat avec Jérémie Séror, cochercheur de l'Université d'Ottawa et Chantal Dion, collaboratrice de l'Université Carleton ainsi que des participants (professeurs et étudiants) des deux établissements. Ma contribution au projet de rechercheJ'ai eu le rôle d'aider à dresser la liste des marqueurs nécessaires au codage de la recherche.Puis, j'ai annoté des vidéos de la tâche 1 et j'ai fait un recensement de tous les types d'actions observables à l'écran et en particulier, des ressources auxquelles accèdent les apprenants durant le processus d'accomplissement de la tâche d'écriture d'une lettre de motivation (tâche 1), afin de décrire la manière dont elles sont utilisées et à quelles fins.Les résultats portant sur le contenu vidéographique seront interprétés lors des prochaines phases de la recherche. Le grand nombre de vidéos de différents participants et de différentes tâches donne un éventail de données pour faire plusieurs analyses tant quantitatives que qualitatives. Pour en savoir d'avantage

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0070,006
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,073
Tête enseignante GPT0,370
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueuO Research (University of Ottawa)Même sujetFrench Language Learning MethodsTravaux en français237 207