Peer Editing in French Using Digital Tools: A Micro-Analysis of Learner-Computer Interactions
Notice bibliographique
Résumé
Abstract This paper describes a case study focused on the ways in which university-level learners of French as a second language collaborate during peer-editing sessions assisted by digital tools. The purpose of the study is to better understand users’ interactions with each other and with technologies at a micro level. Audio recordings and video screen captures of peer-editing sessions serve as a basis for our analysis of strategies deployed by 12 learners of French as a second language enrolled in an intensive intermediate grammar and writing course. Using a mixed-methods approach based on qualitative and quantitative data collected with five peer-editing groups, the study centres on processes in which participants engage to perform their tasks. The paper makes recommendations regarding task design and learners’ training for development of digital literacies. Résumé Cet article présente une étude de cas portant sur les stratégies utilisées par des apprenants de français langue seconde en milieu universitaire, lors de séances de correction des pairs assistées par des outils numériques. L’objectif de l’étude était de mieux comprendre, à un niveau micro, les façons dont les participants interagissaient entre eux, ainsi que d’identifier les interactions avec les outils numériques utilisés. Pour ce faire, nous avons eu recours à des enregistrements audio et à des captures d’écran de séances de correction des pairs pour analyser les stratégies mises en œuvre par ces étudiants inscrits dans un cours de grammaire et d’écriture de niveau intermédiaire. À partir des données d’ordre quantitative et qualitative recueillies auprès de cinq groupes d’apprenants, cette étude s’est concentrée sur les procédés auxquels avaient eu recours les participants pour accomplir la tâche. L’article offre des recommandations sur les conceptions de tâches et sur la formation à la littératie numérique.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».