MétaCan
Menu
Retour à la cohorte
Enregistrement W3005058274 · doi:10.3917/nresi.087.0075

Relation perçue entre l’utilisation de technologies d’aide et la perception de soi, le sentiment d’efficacité personnelle et l’anxiété aux évaluations en situation d’écriture

2020· article· fr· W3005058274 sur OpenAlexaff
Michelle Dumont, Nadia Rousseau, Stacey Paquin, Priscilla Boyer, Brigitte Stanké

Notice bibliographique

Revue˜La œNouvelle revue Éducation et société inclusives/˜La œNouvelle revue Éducation et société inclusives · 2020
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueWriting and Handwriting Education
Établissements canadiensUniversité de MontréalUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Nombre d’élèves éprouvent d’importantes difficultés en production écrite. Parmi les facteurs aggravants, notons la dyslexie/dysorthographie. L’utilisation des Technologies d’aide (Td’A) comme mesure d’adaptation au développement des compétences rédactionnelles chez ces élèves est alors fortement recommandée. Cette recherche longitudinale examine les apports et les limites des Td’A en écriture sur la perception de soi, le sentiment d’efficacité personnelle et l’anxiété aux évaluations d’élèves dyslexiques/dysorthographiques (N = 27) âgés de 12 à 13 ans. Tant au début qu’à la fin de l’année scolaire, les résultats indiquent que les élèves ayant la possibilité d’utiliser une Td’A en situation d’écriture manifestent une perception de soi et un sentiment d’efficacité personnelle significativement plus élevés que lorsqu’ils en sont privés. De plus, son utilisation s’avère prometteuse puisqu’elle est associée à moins d’anxiété aux évaluations aux deux temps de mesure. Les résultats obtenus sont discutés en lien avec des actions à encourager dans les écoles.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,047
Tête enseignante GPT0,363
Écart entre enseignants0,316 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜La œNouvelle revue Éducation et société inclusives/˜La œNouvelle revue Éducation et société inclusivesMême sujetWriting and Handwriting EducationTravaux en français237 207