MétaCan
Menu
Retour à la cohorte
Enregistrement W2986464985 · doi:10.3917/comla1.201.0067

Pratiques et compétences en éducation aux médias et à l’information

2019· article· fr· W2986464985 sur OpenAlexaff
Laëtitia Pierrot, Camille Tilleul, Adeline Entraygues, Normand Landry

Notice bibliographique

RevueCommunication & langages · 2019
Typearticle
Languefr
DomaineComputer Science
ThématiqueCultural Insights and Digital Impacts
Établissements canadiensUniversité TÉLUQ
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article porte sur la question des pratiques et des compétences en éducation aux médias et à l’information. Trois auteures s’approprient et problématisent ces notions, complexifiées et précisées par l’usage des qualificatifs « médiatiques », « informationnelles » ou « numériques », et observées au croisement de la recherche et des activités courantes effectuées par les acteurs de l’EMI. Laëtitia Pierrot rend compte des processus sociaux par lesquels les pratiques numériques se construisent au sein de groupes sociaux. Elle considère les pratiques, médiatiques ou numériques, comme des actions instrumentées et socialisées et elle a procédé à l’analyse de traces numériques de lycéens pour en faire la démonstration. Camille Tilleul interroge les pratiques médiatiques dans les relations qu’elles entretiennent avec des compétences qu’elles sont dites évoquer ou développer. Elle s’intéresse à la diversité des pratiques médiatiques en tant que facteur de développement des compétences considérées constitutives de la littératie médiatique. Adeline Entraygues étudie la relation entre pratiques informationnelles juvéniles et culture de l’information. Pour ce faire, elle s’emploie à distinguer les pratiques prescrites des pratiques informelles effectuées par des personnes mineures sur les réseaux sociaux numériques.

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)0,006
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,015
Communication savante0,0100,010
Science ouverte0,0010,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,306
Tête enseignante GPT0,400
Écart entre enseignants0,094 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunication & langagesMême sujetCultural Insights and Digital ImpactsTravaux en français237 207