La macrostructure comme critère d’évaluation de la qualité de notes prises par des étudiants universitaires dans les modes manuscrit et numérique
Notice bibliographique
Résumé
Avec l’intégration de plus en plus répandue de la technologie en classe, les apprenants voient leurs habitudes quant à la réalisation de diverses activités en classe modifiées à cause de l’affordance des technologies. Cette étude s’est intéressée plus spécifiquement aux notes réalisées dans les modes manuscrit et numérique, le but étant d’observer si l’affordance du mode, autrement dit les fonctionnalités offertes aux étudiants dans les deux modes, a un impact sur les habitudes des noteurs et sur la qualité des notes prises, et si cette dernière a un impact sur la performance à un examen. Pour nous, des notes de qualité sont des notes qui reflètent la macrostructure (MS) d’un discours source (DS). L’analyse de 10 documents de notes numériques et de 12 documents de notes manuscrites a notamment révélé qu’environ la moitié des étudiants prenant des notes numériques ont organisé leurs notes d’une façon qui ne permettait pas de faire ressortir la MS du DS tandis que tous les étudiants prenant des notes manuscrites ont réussi à le faire. Pour ce qui est du contenu des notes, tous les étudiants prenant des notes numériques ont moins bien sélectionné les informations qu’ils ont notées que ceux prenant des notes manuscrites. Il est toutefois impossible de dire si les différences dans la façon dont les notes ont été produites dans les deux modes a eu un impact sur la performance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».