Les étudiants ont la parole : typologie des caractéristiques des activités technologiques de langue
Notice bibliographique
Résumé
Cet article présente une recherche qualitative s’appuyant sur une analyse \nde construits (Kelly, 1995) réalisée auprès de 71 étudiants inscrits dans \ndes cours de français langue seconde dans cinq universités canadiennes. \nLes objectifs poursuivis par cette recherche sont d’une part, de réaliser \nun recensement d’activités technologiques de langue tels que les \nétudiants les ont utilisées dans leurs cours de français et d’autres \npart, d’établir une catégorisation des caractéristiques de ces activités. \nTout en s’inspirant de certains aspects de modèles existant (Chamberland, \nLavoie, et Marquis, 1996; Burnett (2000); Poellbhuber et Boulanger (2001); \nPerrault (2003); Cantin (2008), cet article propose une typologie de \nsix grands types d’activités basée sur sept continuums bipolaires. Cette \ntypologie de caractéristiques présente des profils différents pour chaque \ntype d’activité et offre des retombées pédagogiques avantageuses pour les \nprofesseurs de langue. \n \n \nThis paper presents the results of a qualitative construct analysis \n(Kelly, 1995) survey conducted with 71 students enrolled in French as a \nsecond language courses at five Canadian universities. The objectives of \nthis research are to conduct a census of language technological \nactivities that students have used in their French classes and to \ncategorize their characteristics. A typology of six major types of \nactivities based on seven bipolar continua is proposed. This typology \npresents different profiles for each type of activity and provides \neducational tools for language teachers. The typology draws on some \naspects of existing models from Chamberland, Lavoie, and Marquis (1996), \nBurnett (2000), Poellbhuber and Boulanger (2001), Perrault (2003) and \nCantin (2008).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,000 | 0,006 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».