MétaCan
Menu
Retour à la cohorte
Enregistrement W2120240957 · doi:10.7202/1018459ar

Des effets d’un entraînement métacognitif sur les stratégies et les performances en compréhension de texte chez des adolescents présentant de sévères difficultés d’apprentissage

2013· article· fr· W2120240957 sur OpenAlexvenueno aff
Jean‐Louis Berger, Nadine Kipfer, Fredi P. Büchel

Notice bibliographique

RevueNouveaux cahiers de la recherche en éducation · 2013
Typearticle
Languefr
DomainePsychology
ThématiqueEducational and Psychological Assessments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Les élèves présentant de sévères difficultés d’apprentissage ont souvent un déficit important dans la compréhension de texte, ceci en raison de leur manque de stratégies d’apprentissage et de connaissances métacognitives. Un programme d’entraînement des stratégies métacognitives et de prise de conscience de son propre fonctionnement cognitif a été appliqué durant 12 semaines par des enseignants dans le cadre de formations professionnelles à faible niveau d’exigences. Le présent article expose ce programme, ses conséquences sur les stratégies et les performances des élèves en compréhension de texte ainsi que les effets de transfert éloigné. Les résultats indiquent des effets bénéfiques de l’entraînement sur plusieurs mesures des stratégies et performances. Toutefois, ces effets diffèrent en fonction des aptitudes des élèves et n’apparaissent pas dans une tâche de transfert éloigné.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,417
Écart entre enseignants0,305 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNouveaux cahiers de la recherche en éducationMême sujetEducational and Psychological AssessmentsTravaux en français237 207