MétaCan
Menu
Retour à la cohorte
Enregistrement W1544450126 · doi:10.4000/alsic.1796

Présentation d'un logiciel de visualisation pour l'apprentissage de l'oral en langue seconde

2000· article· fr· W1544450126 sur OpenAlexaff
Aline Germain, Philippe Martin

Notice bibliographique

RevueAlsic · 2000
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of TorontoTrent University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyArt

Résumé

récupéré en direct d'OpenAlex

Bien que la recherche en Sciences du langage ait énormément évoluée ces dernières années, les applications de cette recherche ont du mal à aboutir dans les classes de langue. Une formation phonétique limitée pour les enseignants ainsi qu'un dialogue restreint entre chercheurs de la parole et enseignants de langue expliquent en partie un manque d'innovation dans les outils technologiques et pratiques pédagogiques. Né de l'étroite collaboration entre un phonéticien-informaticien-chercheur et une phonéticienne-didacticienne-enseignante, WinPitch LTL est un analyseur en temps réel, un visualiseur et un synthétiseur de parole. Partant des recherches sur la visualisation du signal et l'importance des indices visuels dans l'acquisition du système phonologique et prosodique d'une langue, ce logiciel auteur vise à faciliter et accélérer le travail de discrimination auditive essentiel au début de tout apprentissage oral. Mais au-delà de la simple visualisation, ce logiciel favorise chez l'apprenant une prise de conscience du déroulement de son apprentissage ; les multiples fonctions d'observation, de comparaison visuelle / auditive, de segmentation, de manipulation du signal, ainsi que la possibilité de redéfinir le contour mélodique ou la durée d'un segment par la synthèse, privilégient un style d'apprentissage "réfléchi" et un entraînement progressif à l'autonomie. De plus, et contrairement aux programmes de reconnaissance vocale, l'originalité du logiciel réside dans la précision et la qualité du feedback que l'enseignant peut apporter sur les productions orales de l'apprenant, amenant celui-ci à porter à tout moment un regard auto évaluatif pertinent sur son discours oral. Enfin, une démarche personnalisée est renforcée par les facilités de dialogues (auto)évaluatifs entre l'apprenant et l'enseignant qu'offre le logiciel, en présentiel ou à distance.

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)0,005
score de la tête « metaresearch » (Gemma)0,018
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: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,003
Communication savante0,0150,006
Science ouverte0,0020,004
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0440,011

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 Opus0,024
Tête enseignante GPT0,292
Écart entre enseignants0,267 · 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
GenreLogiciel

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

En bref

Citations20
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlsicMême sujetEFL/ESL Teaching and LearningTravaux en français237 207