MétaCan
Menu
Retour à la cohorte
Enregistrement W3000497970

À la pêche

2018· article· fr· W3000497970 sur OpenAlexaboutno aff
Marie-Christine Hendrickx

Notice bibliographique

Revuenon disponible
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Fin juin 2017. Je viens de terminer mon annee de travail comme intervenante en eveil a la lecture au Centre de la petite Enfance dans l’est de Montreal, a raison de deux jours par semaine. Mon premier objectif est de creer une dynamique positive autour des livres et de la lecture, tant aupres des enfants que des educatrices. J’anime les lectures en petits groupes et je suis les enfants qui arrivent au Centre n’ayant pas ou peu d’interet pour les livres. Je vais a leur rencontre comme je vais a la peche : je choisis bien mon appât ! Grâce aux nombreux livres de qualite que nous possedons et une bonne strategie, ca marche ! Mon second objectif est de creer des « moments de langage » autour des livres. Contrairement a certaines pratiques en eveil a la lecture, je ne pose presque jamais de questions aux enfants sur les lectures. Une des raisons en est que seuls les enfants les plus avances au niveau langagier ont les moyens de repondre, les autres risquant de se murer encore davantage dans le silence. Par contre, je rebondis sur toute intervention de l’enfant, que ce soit un doigt pointe sur une image, un mot ou un enonce, surtout s’il s’agit d’un enfant en difficulte langagiere. Et je pars de la pour une premiere interaction. Le plus fascinant dans mon travail, c’est de developper les possibilites de raisonnement des enfants en les soutenant dans leurs tâtonnements. En effet, qui ecoute peut les entendre raisonner. Cette semaine, lors de la lecture du livre Mais ou est la maiso

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0460,006

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 Opus0,043
Tête enseignante GPT0,392
Écart entre enseignants0,349 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFrench Language Learning MethodsTravaux en français237 207