La fréquence d'utilisation des stratégies de lecture selon deux formes de documents à l'écran chez des élèves de 3e secondaire (14-15 ans)
Notice bibliographique
Résumé
Les technologies sont devenues omniprésentes dans la vie des jeunes adolescents. Que ce soit pour clavarder (chat), pour écrire des courriels (email), pour aller sur Facebook ou pour faire une recherche sur l’acteur d’Hollywood de l’heure, les adolescents mobilisent différentes stratégies de lecture à l’écran. Cependant, ces stratégies mobilisées à l’écran n’ont pas nécessairement fait l’objet d’un enseignement explicite à l’école. Même si le programme de formation du Québec (Canada) s’entend pour favoriser l’intégration des technologies à travers les matières, il reste que ces élèves semblent avoir appris par eux-mêmes, par tâtonnement, les stratégies à utiliser selon leur intention de lecture. Nous pouvons cependant nous demander quelles sont réellement les stratégies mobilisées à l’écran par les jeunes adolescents et quelles sont les fréquences d’utilisation de chacune de ces stratégies ? À l’aide de la technique oculométrique (Eye-Tracking Technology) et de la verbalisation rétrospective, il a été possible de répondre à ces questions en déterminant la fréquence d’utilisation de 17 stratégies de lecture selon deux formes de documents à l’écran chez des élèves de 14-15 ans.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».