MétaCan
Menu
Retour à la cohorte
Enregistrement W2602368903 · doi:10.4000/pratiques.3334

Planificateur ou formulateur ? Mise en évidence de deux stratégies de rédaction à partir d’un support imagé chez des élèves de CE1 et de CM2

2017· article· fr· W2602368903 sur OpenAlexaff
Denis Alamargot, Marie‐France Morin, Elise Drijbooms

Notice bibliographique

RevuePratiques · 2017
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyPolitical science

Résumé

récupéré en direct d'OpenAlex

L’objectif de cette recherche est de mieux comprendre le système de contraintes qui pèse sur la rédaction à partir d’un support imagé et de décrire les stratégies rédactionnelles adoptées par des élèves plus ou moins experts face à ces contraintes. Pour ce faire, nous avons évalué et comparé, par une étude de cas, les traitements rédactionnels de deux élèves de CE1 et de deux élèves de CM2 lorsqu’ils rédigeaient un texte narratif à partir d’un même support imagé (ici le « déjà-là »). L’analyse des caractéristiques linguistiques des textes produits a été complétée par une analyse du décours temporel de l’écriture, incluant les comportements de consultation du support imagé au cours de la rédaction. Les résultats mettent en évidence deux stratégies de rédaction à partir d’un même support imagé. L’une accorde la priorité aux traitements orthographiques, au détriment du maintien en mémoire du contenu de l’histoire. L’autre, à l’inverse, privilégie le maintien du contenu au détriment des traitements orthographiques. L’engagement dans l’une ou l’autre de ces stratégies ne semble pas dépendre de l’expertise des jeunes rédacteurs, car elles sont adoptées au CE1 comme au CM2. En conclusion, l’intérêt de ces résultats pour la mise en œuvre pédagogique d’activités rédactionnelles à partir de supports imagés est discuté.

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)0,005
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0050,006
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0190,006

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 Opus0,045
Tête enseignante GPT0,336
Écart entre enseignants0,292 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePratiquesMême sujetLinguistics and Discourse AnalysisTravaux en français237 207