MétaCan
Menu
Retour à la cohorte
Enregistrement W3116323242 · doi:10.4000/pratiques.9007

Quelle progression des compétences interprétatives des élèves de 12 à 15 ans et quelle prise en compte par leurs enseignants ?

2020· article· fr· W3116323242 sur OpenAlexaff
Jean‐Louis Dufays, Magali Brunel, Judith Émery-­Bruneau, M. Barthelemy, Vincent Capt, Isabelle Brun-Lacour, Sonya Florey, Martin Lépine

Notice bibliographique

RevuePratiques · 2020
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensUniversité de SherbrookeUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésPhilosophyPolitical science

Résumé

récupéré en direct d'OpenAlex

Dans cet article qui s’inscrit dans le cadre d’un projet de recherche en cours, nous nous attachons à analyser, d’une part la manière dont 377 élèves issus de 16 classes belges, françaises, québécoises et suisses des niveaux scolaires 7 et 10 (12 et 15 ans) lisent une même nouvelle de Romain Gary, et d’autre part, la manière dont leurs enseignants exploitent ensuite librement le même texte durant une séance en classe. Le premier volet, qui porte sur les compétences interprétatives des élèves dans leurs réponses à un questionnaire, met en évidence la progression qui se manifeste entre les deux niveaux, tant en ce qui concerne la qualité des interprétations que leur nombre. Nous nous intéressons ensuite à l’activité des enseignants, en étudiant d’abord la part que le travail interprétatif y occupe par rapport aux autres processus de lecture, puis ses relations avec différents schèmes d’action, différents genres d’activité scolaires et différents gestes professionnels, et nous nous demandons dans quelle mesure il varie en fonction de l’âge des élèves et du contexte national. Enfin, nous nous interrogeons sur les liens qui peuvent être établis entre nos deux ensembles de données : dans quelle mesure les enseignants exploitent-ils les compétences et les difficultés interprétatives des élèves révélées par les questionnaires ? Et dans quelle mesure, en retour, les réponses des élèves aux questionnaires paraissent-elles influencées par des démarches que privilégient leurs enseignants ?

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)0,007
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,204

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,004
Communication savante0,0060,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,080
Tête enseignante GPT0,338
Écart entre enseignants0,257 · 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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePratiquesMême sujetLinguistics and Discourse AnalysisTravaux en français237 207