MétaCan
Menu
Retour à la cohorte
Enregistrement W1513672721 · doi:10.21432/t2xs3f

Cliquer, glisser, dactylographier ou sélectionner dans un menu déroulant : manipulations préférées des étudiants universitaires<br> Click, slide, type or select in a pop-up menu: Favourite manipulations of French-as-a-second-language university students

2010· article· fr· W1513672721 sur OpenAlexaffvenue
Nandini Sarma, Alysse Weinberg, Martine Peters

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2010
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtPsychology

Résumé

récupéré en direct d'OpenAlex

Résumé:Cet article présente les résultats d`une recherche sur les préférences d’étudiants universitaires de français langue seconde en ce qui a trait aux différentes manipulations faites lors d’activités de grammaire informatisées. Dans un contexte d’activités à choix multiples, les étudiants ont indiqué leurs préférences envers les quatre manipulations proposées (cliquer, glisser, sélectionner dans un menu déroulant et dactylographier). Nos résultats, appuyés des commentaires des étudiants, démontrent en général que leurs préférences reflètent les caractéristiques des « enfants-roi » qui préfèrent des activités ludiques, faciles et rapides qui nécessitent peu d’investissement de leur part et ont un impact direct sur leurs notes. Abstract This article presents the results of a study on the preferences of French-as-a second-language university students towards different manipulations used in computerized grammar activities. Students indicated their preferences for the four manipulations offered (click, scroll-down menu, drag-and-drop, keyboard entry) while doing multiple-choice activities. Our results, backed up by student comments, show that their preferences reflect the traits of the “spoiled child” who prefers activities that are fun, easy and fast and that will have a direct impact on grades.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,015
Tête enseignante GPT0,256
Écart entre enseignants0,241 · 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'étudeObservationnel
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
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetLinguistics and Discourse AnalysisTravaux en français237 207