MétaCan
Menu
Retour à la cohorte
Enregistrement W3162028569 · doi:10.7202/1076609ar

Raconter sa biographie langagière en la géolocalisant : le récit cartographique numérique comme outil de formation en didactique des langues secondes

2021· article· fr· W3162028569 sur OpenAlexaffvenue
Stéphanie Bedou, Marie-Josée Hamel

Notice bibliographique

Revue˜La œRevue de l'AQEFLS/Revue de l'AQEFLS · 2021
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article détaille une étude portant sur le récit cartographique numérique comme outil de formation en didactique des langues secondes permettant de raconter sa biographie langagière de manière dynamique et multimodale. Pour mener à bien cette étude, nous avons analysé un corpus de biographies langagières ( N =10) produites avec le logiciel StoryMap par des étudiants bilingues en formation en didactique des langues secondes. Les résultats de notre analyse thématique font ressortir les caractéristiques de composition du récit biographique numérique et de l’expression des expériences langagières formelles et informelles d’apprentissage de ces étudiants qui se destinent à enseigner le français langue seconde. Ils mettent en évidence que ce type de tâche d’écriture médiatique leur a permis de matérialiser (par l’écriture, l’image, la géolocalisation) leur répertoire langagier, d’expliciter leurs rapports aux langues et de prendre du recul sur leur parcours de formation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,266
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue˜La œRevue de l'AQEFLS/Revue de l'AQEFLSMême sujetLinguistics and Discourse AnalysisTravaux en français237 207