L emploi des pronoms dans des textes d eleves de deuxieme secondaire
Notice bibliographique
Résumé
Le présent mémoire de maîtrise porte sur l'emploi des pronoms dans des textes d'élèves. L'objectif principal est de décrire l'utilisation que des élèves de deuxième secondaire font des pronoms dans des textes qu'ils écrivent afin de mieux connaître les difficultés qu'ils éprouvent et d'en tirer des indications pour l'enseignement de la cohérence textuelle. Le corpus étudié pour cette recherche compte 100 textes recueillis à huit ans d'intervalle dans des conditions d'écriture similaires : les 50 premiers textes, rédigés en 1989 portent sur le tremblement de terre de 1988 au Saguenay-Lac-St-Jean et les autres textes, rédigés en 1997, portent sur le déluge de 1996 au Saguenay. À partir des ces textes. 2296 pronoms ont été analysés. L'analyse des pronoms s'est faite en considérant trois variables : le temps, le type de texte et le sexe de l'élève. Pour chacun des aspects, nous avons observé le type de pronom, le type de référence, le type de représentation, l'emplacement des pronoms dans le texte et les problèmes de cohérence et d'orthographe rencontrés. Suite à notre analyse, nous constatons que la variable temps n'influence pas l'utilisation que les élèves de deuxième secondaire font des pronoms. Par contre, le type de texte (expressif ou informatif) et, dans une certaine mesure, le fait que le texte soit écrit par une fille ou un garçon a des effets sur la manière d'utiliser les pronoms et sur les difficultés rencontrées. Ces résultats nous conduisent à dégager quelques propositions didactiques servant à guider les enseignants dans leur pratique quotidienne afin d'améliorer cette dimension de la compétence rédactionnelle.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,001 |
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.
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 ».