MétaCan
Menu
Retour à la cohorte
Enregistrement W2799638118 · doi:10.3138/cmlr.2017-0059

Sur la piste des facteurs d’attrition et de rétention au sein du Régime d’immersion en français à l’Université d’Ottawa

2018· article· fr· W2799638118 sur OpenAlexvenueaboutno aff
Alysse Weinberg, Jérémie Séror, Thierry Simonet

Notice bibliographique

RevueCanadian Modern Language Review/ La Revue canadienne des langues vivantes · 2018
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Le Régime d’immersion en français (RIF) de l’Université d’Ottawa offre la possibilité aux étudiants anglophones d’approfondir leur connaissance du français en faisant une partie de leurs études en français. Le présent article porte sur le cas de trois étudiantes de premier cycle en troisième et quatrième année d’études à l’Université d’Ottawa. Ces études de cas visent à étudier les facteurs d’attrition et de rétention associés à la participation de ces élèves au RIF. Des entrevues semi-dirigées ainsi que des dessins réflexifs (cartographies de parcours et de langue) ont été utilisées pour mettre en évidence l’importance et l’impact émotionnel des défis auxquels les étudiantes sont confrontées dans le RIF. L’analyse se penche sur la relation entre ces défis et des facteurs d’attrition et de rétention notamment l’atmosphère d’apprentissage dans les cours de discipline et de langue, ainsi que leurs impacts négatifs et positifs sur les étudiants. En particulier, l’étude met en évidence les obstacles externes à l’apprentissage qui entraînent des périodes de découragement susceptibles de provoquer le départ des étudiants du RIF. Inversement, les éléments positifs qui peuvent servir de contrepoids en favorisant la résilience des étudiants et renforcer la décision de demeurer dans le RIF sont abordés. Les conclusions proposent des recommandations pour le RIF liées à la préparation des nouveaux étudiants du RIF et à l’amélioration du dispositif pédagogique.

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)0,018
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,630
Score d'incertitude au seuil0,745

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,005
Communication savante0,0050,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,209 · 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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Modern Language Review/ La Revue canadienne des langues vivantesMême sujetSecond Language Learning and TeachingTravaux en français237 207