Production d’autoreformulations autoamorcées par des apprenants adultes du français et capacité de mémoire de travail
Notice bibliographique
Résumé
L’étude rapportée dans cet article avait pour objectif d’examiner la relation entre les autoreformulations autoamorcées, soit les révisions que les locuteurs amorcent et exécutent sur leur propre discours (Salonen et Laakso, 2009, p. 859) et la mémoire de travail, définie comme étant un système à capacité limitée responsable de l’emmagasinage temporaire et de la manipulation de l’information (Baddeley, 2012). Bien que quelques études aient examiné la relation entre les autoreformulations autoamorcées et la mémoire de travail, les résultats obtenus présentent des divergences que des différences d’ordre méthodologique permettent d’expliquer. Nous avons donc voulu jeter un éclairage nouveau sur la relation entre ces deux variables en observant les autoreformulations autoamorcées à l’aide d’une tâche de narration à partir d’images et en ayant recours à une tâche numérique complexe afin de mesurer la mémoire de travail. Trente adultes locuteurs non natifs du français ont participé à l’étude. Les résultats obtenus des analyses factorielles en composantes principales montrent une relation différenciée selon le type d’autoreformulations autoamorcées produit.
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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».