Quelles sont les stratégies d’apprentissage que les étudiants universitaires ayant un ou des troubles d’apprentissage ou un déficit d’attention doivent apprendre à utiliser ?
Notice bibliographique
Résumé
Au Québec, la présence d’étudiants ayant un ou des troubles d’apprentissage (TA) ou un trouble du déficit d’attention avec ou sans hyperactivité (TDA/H) est de plus en plus marquée dans nos universités. Afin d’aider ces étudiants à persévérer dans leur cheminement universitaire, nous avons voulu connaître les difficultés particulières qu’ils éprouvent sur le plan des stratégies d’apprentissage afin de pouvoir les soutenir d’une façon plus ciblée. Pendant trois sessions d’études, 205 étudiants ont expérimenté un dispositif d’aide à la persévérance aux études, SAMI-Persévérance, afin de cerner les difficultés qu’ils rencontraient. Les traces laissées dans le dispositif ont permis de déterminer les stratégies d’apprentissage les moins utilisées autant par les étudiants ayant un TA et ceux ayant un TDA/H que les étudiants ayant les deux types de troubles. Parmi les stratégies d’apprentissage, ce sont les stratégies de lecture, de production écrite, de gestion de la mémorisation, de gestion du temps et de gestion du stress qui semblent les moins utilisées par ces étudiants. Enfin, les étudiants semblent avoir recours à des stratégies de production orale et de gestion de leurs émotions.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».