MétaCan
Menu
Retour à la cohorte
Enregistrement W2138714299 · doi:10.7202/039859ar

Apprendre à écrire un texte documentaire de comparaison en 2e année du primaire : étude comparée d’interventions didactiques contrastées

2010· article· fr· W2138714299 sur OpenAlexaffvenue
Renée Gagnon, Hélène Ziarko

Notice bibliographique

RevueRevue des sciences de l éducation · 2010
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensUniversité LavalUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyPhysicsPsychology

Résumé

récupéré en direct d'OpenAlex

Cet article rend compte d’une recherche visant à vérifier l’efficacité d’une séquence didactique caractérisée par l’enseignement de la structure du texte et des procédés linguistiques qui permettent de linéariser un texte de comparaison sur les performances d’écriture des élèves de 2 e année du primaire. La séquence différenciée par deux étapes de réalisation a été soumise à deux groupes, expérimental et témoin, selon une méthode pré-test / post-test. La comparaison des résultats montre un effet significatif de l’enseignement dispensé au groupe expérimental sur la capacité des élèves à produire une structure de comparaison et à utiliser des procédés de thématisation reliés à cette structure

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)0,007
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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.

Tête enseignante Opus0,165
Tête enseignante GPT0,463
Écart entre enseignants0,298 · 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'étudeEssai non randomisé
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

Citations4
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevue des sciences de l éducationMême sujetFrench Language Learning MethodsTravaux en français237 207