Un module informatisé d'analyse diachronique de l'erreur adapté aux besoins de l'enseignement à distance
Notice bibliographique
Résumé
This article focuses on a model of tutoring, wherein the student submits assignments through the mail for correction, commentary, and evaluation. After pointing out the problems with this evaluative and corrective feedback approach, the authors describe the design and implementation of a computer-based error analysis system (MADER), which factors in a diachronic identification of likely sources of learner difficulties. Confronted with a portrait of errors common to a particular task, MADER is able to indicate the likely source of difficulties by proposing either a simple hypothesis of the student's acquired mastery, or a set of alternative hypotheses. In the latter case, MADER suggests that the student be assigned a specific set of exercises that will help him or her decide between the hypotheses. The authors also note the limitations of applicability of the MADER system and suggest possible extensions, in the framework of distance teaching, which might make better use of the feedback capacity of telematic networks. Dans ce travail, nous nous sommes intéressés à une forme d'encadrement pédagogique qui s'apparente au tutorat dans laquelle l'étudiant transmet par courrier postal ses devoirs au tuteur; ce dernier les corrige, les évalue et les commente. Après avoir mis en évidence un certain nombre de lacunes liées à cette forme de suivi d'une formation à distance, nous présentons les principes de conception et d'implémentation d'un système informatisé d'analyse de l'erreur (MADER) qui intègre une dimension diachronique dans l'identifi-cation de l'origine des difficultés rencontrées par les apprenants. Ainsi, face à une configuration d'erreurs relatives à une activité particulière, MADER est capable, pour expliquer l'origine d'une difficulté, de proposer soit une hypothèse simple quant à la forme de maîtrise acquise par un apprenant soit plusieurs hypothèses alternatives. Lorsque plusieurs hypothèses peuvent être retenues, MADER suggérera au formateur de proposer à l'apprenant des exercices d'un type clairement spécifié afin d'obtenir les informations qui lui permettront de départager les hypothèses concurrentes. En outre, les auteurs soulignent les limitations actuelles liées au contexte d'utilisation de MADER et propose des possibilités d'élargissement dans le cadre d'un enseignement à distance qui exploiterait davantage les possibilités de rétroaction offertes par les réseaux télématiques.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,015 |
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 source (Gemma direct ou Codex distillé), 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 ».