Analyse de données en apprentissage d'une L2 en situation d'autonomie dans un environnement multimédia
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
Cet article propose un cadre méthodologique pour traiter de l'apprentissage et de l'évaluation en Enseignement des Langues Assisté par Ordinateur (ELAO) dans le contexte de l'autonomie. En effet, en l'absence d'un paradigme qui fasse consensus, l'auteure propose une méthodologie d'analyse provenant de la résolution de problème en sciences cognitives et qui devrait être généralisable pour le traitement des données dans le contexte de l'autonomie en ELAO. Notre cadre d'analyse comprend trois stratégies générales correspondant aux connaissances préalables - régulation, mise en oeuvre, évaluation - qui permettent de distinguer les apprenant efficaces des non efficaces en situation d'autonomie puisqu'elles font appel aux connaissances antérieures. Ces stratégies générales sont croisées à six étapes de résolution de problème : lecture, analyse, exploration, planification, réalisation et vérification. L'auteure montre, à travers deux études empiriques qu'elle a menées, que le cadre de résolution de problème fonctionne bien et permet d'évaluer l'efficacité des apprenants en situation d'autonomie dans l'environnement de l'ELAO. Elle suggère que ce cadre de résolution de problème soit utilisé dans d'autres études sur l'apprentissage dans différents environnements informatiques afin de lui donner de la robustesse et une plus grande généralisation et ainsi, de permettre au domaine d'opter pour le paradigme cognitif qui deviendrait alors consensuel.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 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) | 0,012 | 0,001 |
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