Apport du portfolio numérique d'apprentissage et de la vidéo pour l'autoévaluation de la compétence en production orale d'élèves du secondaire en classe de français, langue d'enseignement
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cette étude part du constat que nous savons peu de choses sur l'utilisation du portfolio numérique et sur le recours aux autoévaluations dans un contexte d'apprentissage de la production orale. De ce constat découle notre cadre théorique, élaboré autour des modèles didactiques de l'oral (Dumais, 2010a ; Lafontaine, 2007) et des données empiriques portant sur l'utilisation du portfolio numérique et de l'autoévaluation, auxquels nous souhaitons apporter de nouvelles données grâce à notre recherche, dont l'objectif est de décrire et d'analyser l'apport du portfolio numérique pour l'autoévaluation de la compétence orale d'élèves du secondaire. Pour atteindre cet objectif, nous avons analysé globalement les autoévaluations contenues dans les portfolios et les réponses à deux questionnaires de 77 élèves de 3ème secondaire (N = 77), puis, de manière plus précise, nous avons analysé le contenu des autoévaluations de 16 de ces élèves (N = 16), qui ont également participé à une entrevue individuelle. Notre collecte de données nous a permis de décrire de quelle manière le recours au portfolio numérique d'apprentissage permettait d'accroître la capacité des élèves à s'autoévaluer.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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