MétaCan
Menu
Retour à la cohorte
Enregistrement W2462129490 · doi:10.7202/1036036ar

Usages numériques non formels chez les jeunes et performance scolaire

2016· article· fr· W2462129490 sur OpenAlexvenueno aff
Séraphin Alava, Laurence Morales

Notice bibliographique

RevueNouveaux cahiers de la recherche en éducation · 2016
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Les jeunes élèves de 12 à 17 ans utilisent régulièrement des outils numériques et construisent des pratiques personnelles. Ces pratiques ne sont pas sans relation avec les compétences attendues dans le champ scolaire et le développement de ces usages numériques peut avoir un effet négatif ou positif sur la performance scolaire. Depuis quatre ans, nous étudions les usages non formels de ces outils par les jeunes et nous examinons les impacts de ces pratiques sur le champ scolaire. Notre recherche menée en 2013 et en 2014 est complémentaire aux travaux conduits au niveau du collège français (première moitié du secondaire). Nous avons travaillé en cherchant à décrire les usages spécifiques numériques des adolescents et à mesurer l’impact de ces usages sur les résultats scolaires, mais aussi sur les compétences sociales et pédagogiques, notamment les compétences liées à l’autonomie au travail et à la prise d’initiative.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,454
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,090
Tête enseignante GPT0,404
Écart entre enseignants0,314 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNouveaux cahiers de la recherche en éducationMême sujetImpact of Technology on AdolescentsTravaux en français237 207