MétaCan
Menu
Retour à la cohorte
Enregistrement W2892230812 · doi:10.17161/iallt.v48i0.8576

Collaboration Two-Way

2018· article· en· W2892230812 sur OpenAlexaff
Nike Arnold, Lara Ducate, Claudia Kost

Notice bibliographique

RevueIALLT Journal of Language Learning Technologies · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWikis in Education and Collaboration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCohesion (chemistry)GermanWorkloadGrammarVocabularyPerspective (graphical)Collaborative writingPsychologyComputer scienceAffect (linguistics)Quality (philosophy)Product (mathematics)LinguisticsMathematics educationArtificial intelligenceMathematicsCommunicationEpistemology

Résumé

récupéré en direct d'OpenAlex

Collaborative writing has been found to lead to more productive writing processes and enhanced final products in terms of a richer vocabulary, more accurate grammar, and better organization. The present study expands on this research strand by exploring if different group writing processes affect the quality of wiki texts composed by groups of intermediate German L2 learners. Defining true collaborative writing as involving both a balanced workload and a joint responsibility for the product from all group members, it measured collaboration in two ways. Results indicate that most of the 19 groups in this study had a somewhat unbalanced workload with wide variability in editing group members’ contributions. Although the wiki texts differed greatly with regard to quantitative measures of length, accuracy and cohesion, no correlation was found in terms of workload or co-ownership. While holistic ratings of the texts concerning accuracy and cohesion seemed at times incongruent with the analytic measures, the raters’ comments provided a perspective that captured facets and nuances of a text that the analytic indicators did not.

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)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,003
Communication savante0,0090,009
Science ouverte0,0020,015
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0250,008

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 Opus0,012
Tête enseignante GPT0,363
Écart entre enseignants0,351 · 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'étudeSans objet
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'admission1
Résumé présentoui

Explorer davantage

Même revueIALLT Journal of Language Learning TechnologiesMême sujetWikis in Education and CollaborationTravaux en français237 207