Screen capture technology: A digital window into students' writing processes / Technologie de capture d’écran: une fenêtre numérique sur le processus d’écriture des étudiants
Notice bibliographique
Résumé
Technological innovations and the prevalence of the computer as a means of producing and engaging with texts have dramatically transformed the ways in which literacy is defined and developed in modern society. Concurrently, this rise in digital writing practices has led to a growing number of tools and methods that can be used to explore second language (L2) writers’ writing development. This paper provides an overview of one such technique: the contributions of screen capture technology as a means of analyzing writers' composition processes. This paper emphasizes the unique advantages of being able to unobtrusively gather, store and replay what have traditionally remained hidden sequences of events at the heart of L2 writers' text production. Drawing on research data from case studies of university L2 writers, findings underscore the contribution screen capture technology can make to writing theory's understanding of the complex series of behaviours and strategies at the heart of L2 writers' interactions. Les innovations technologiques et la prévalence de l'ordinateur comme moyen de produire et d’interagir avec les textes ont radicalement transformé la façon dont la littératie est définie et développée dans la société moderne. Cette augmentation des pratiques d'écriture numérique a généré un nombre croissant d'outils et de méthodes disponibles pour explorer le développement de l'écriture dans une langue seconde (L2). Cet article donne un aperçu de l’une de ces techniques: les contributions offertes par la technologie de capture d'écran en tant que moyen d’analyse des processus d’écriture. L’article met l'accent sur les avantages incomparables qu’offre la possibilité de recueillir discrètement, de conserver et de revoir ce qui normalement reste une suite d'événements cachés au cœur du processus d’écriture dans une langue seconde. S'appuyant sur des données de recherche issues d’études de cas d’étudiants en L2 de niveau universitaire, les résultats mettent en lumière la contribution de la technologie de capture d'écran à la compréhension théorique de séries complexes de comportements et de stratégies situées au cœur des interactions des étudiants de L2 en contexte d’écriture.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».