The revision of syntactic errors related to complex sentences in French L1: strategies of secondary school advanced writers
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
This article presents a description of the revision strategies targeting complex sentences of 16 secondary school advanced writers (15-17 years old) in the context of French L1 instruction. As the literature indi-cates, most errors in students' texts are syntactic errors (Boivin & Pinsonneault, 2018), and revising them entails a heavy cognitive load (Roussey & Piolat, 2008). We conducted a multiple case study among these advanced writers to identify their detection, diagnosis and correction strategies targeting syntactic problems. Thinking-aloud (Ericsson & Simon, 1993, Hayes & Flower, 1980), they revised one individual text and one experimental text containing 22 different syntactic errors related to complex sentences. We focused on the revision strategies leading to accurate changes. Our results show that advanced writers make a very limited use of detection strategies. Their diagnosis strategies are mainly reflections, grammaticality judgments and rereadings. Students with high rates of accurate changes in the experimental text use fewer diagnosis strategies than those with average rates. Self-questioning appears to be a strategy most used by students with high rates of accurate changes. The corrections are generally precise and made immediately after a problem is detected. Looking at individual cases, we also present salient pro-files based on the students' posture toward revision and syntax.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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