MétaCan
Menu
Retour à la cohorte
Enregistrement W2918073704 · doi:10.7202/1079029ar

Microgenèses comparées en lecture interactive à 4 ans : co-construction de la langue écrite entre élèves et enseignants

2021· article· fr· W2918073704 sur OpenAlexvenueno aff
Christine Gamba, Catherine Martinet, Madelon Saada-Robert

Notice bibliographique

RevueÉducation et francophonie · 2021
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyPsychology

Résumé

récupéré en direct d'OpenAlex

Cette contribution se propose de comparer deux séances de Lecture Interactive, entre une enseignante et ses élèves de 4 ans, à deux moments distincts de l’année scolaire (début et fin). L’activité consiste à « lire » ensemble un livre imagé, premier moment d’une séquence didactique plus large de lecture/écriture émergente. Le déroulement de ces deux séances est analysé suivant une démarche compréhensive-interprétative utilisée pour l’analyse qualitative des processus complexes propres aux microgenèses didactiques. Ces dernières se focalisent sur deux objets d’étude : la progression du contenu de l’enseignement/apprentissage, ici dans une situation de Lecture Interactive, et la progression des modalités de compréhension sous-jacentes aux interactions verbales. Nous avançons l’hypothèse que l’apprentissage situé ne peut être effectif que s’il y a co-construction d’un contenu pointé explicitement comme objet d’enseignement, co-construction elle-même dépendante de celle d’une zone de compréhension commune entre les partenaires. Entre le début et la fin de l’année scolaire, il est montré que non seulement les contenus d’enseignement/apprentissage se complexifient, mais que la zone de compréhension qui se construit pendant la lecture du livre se transforme également. Finalement, la progression des élèves pendant l’année concernant leurs compétences psycholinguistiques permet de pointer les connaissances qu’ils ont intériorisées à partir de la dynamique des interactions en classe.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0060,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,017
Tête enseignante GPT0,303
Écart entre enseignants0,287 · 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'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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueÉducation et francophonieMême sujetLinguistics and Discourse AnalysisTravaux en français237 207