MétaCan
Menu
Retour à la cohorte
Enregistrement W2945199911 · doi:10.7202/1059171ar

Connaissances métacognitives et stratégies d’autorégulation impliquées dans la révision de textes : construction et validation d’un instrument autorapporté

2019· article· fr· W2945199911 sur OpenAlexvenueno aff
Dyanne Escorcia, Fabien Fenouillet

Notice bibliographique

RevueMesure et évaluation en éducation · 2019
Typearticle
Languefr
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyArt

Résumé

récupéré en direct d'OpenAlex

La présente recherche a pour but de construire et de valider le Questionnaire des composantes métacognitives de la révision de textes (QCMR) en contexte universitaire. Au total, 451 étudiants de licence (trois premières années à l’université) appartenant à plusieurs domaines d’étude dans une université française ont participé à l’étude. Après une version initiale du questionnaire, qui comportait 41 items, une analyse factorielle exploratoire a révélé 5 facteurs correspondant aux dimensions théoriques envisagées. Une analyse factorielle confirmatoire a validé cette structure, qui mesure les variables suivantes : connaissances métacognitives déclaratives, gestion du temps, autosurveillance, connaissances métacognitives procédurales et recherche d’aide. Un bon niveau de fiabilité a été constaté : des coefficients alpha allant de 0,74 à 0,83 ainsi qu’un degré satisfaisant de stabilité temporelle. Le QCMR possède également une bonne validité prédictive.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,058
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,828
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0580,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,430
Écart entre enseignants0,367 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMesure et évaluation en éducationMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207