Reading Actively Online: An Exploratory Investigation of Online Annotation Tools for Inquiry Learning / La lecture active en ligne: étude exploratoire sur les outils d'annotation en ligne pour l'apprentissage par l’enquête
Notice bibliographique
Résumé
This study seeks to design and facilitate active reading among secondary school students with an online annotation tool – Diigo. Two classes of different academic performance levels were recruited to examine their annotation behavior and perceptions of Diigo. We wanted to determine whether the two classes differed in how they used Diigo; how they perceived Diigo; and whether how they used Diigo was related to how they perceived it. Using annotation data and surveys in which students reported on their use and perceptions of Diigo, we found that although the tool facilitated individual annotations, the two classes used and perceived it differently. Overall, the study showed Diigo to be a promising tool for enhancing active reading in the inquiry learning process. Cette étude vise à concevoir et à faciliter la lecture active chez les élèves du secondaire grâce à l’outil d'annotation en ligne Diigo. Deux classes avec des niveaux de rendement scolaire différents ont été retenues afin qu’on examine leur manière d’annoter et leur perception de Diigo. Nous avons voulu déterminer si les deux classes diffèrent dans leur façon d’utiliser Diigo, leur perception de Diigo, et si leur manière d’utiliser Diigo était liée à leur perception. En utilisant les données d'annotation et d'enquêtes dans lesquelles les élèves relataient leur utilisation et leur perception de Diigo, nous avons constaté que, même si l'outil a facilité les annotations individuelles, les deux classes l’ont utilisé et perçu différemment. Dans l'ensemble, l'étude a montré que Diigo est un outil prometteur pour l'amélioration de la lecture active dans le processus d'apprentissage par enquête.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».