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)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découle