MétaCan
Menu
Retour à la cohorte
Enregistrement W4379927864 · doi:10.7202/1100245ar

L’entretien métagraphique en recherche : fondements et pratiques

2023· article· fr· W4379927864 sur OpenAlexaffvenue
Jessy Marin, Jean-Yves Lévesque

Notice bibliographique

RevueRecherches qualitatives · 2023
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyArt

Résumé

récupéré en direct d'OpenAlex

L’entretien métagraphique est une méthodologie de plus en plus utilisée auprès d’apprenants de tous âges dans les recherches en didactique du français. Ce type d’entretien permet d’avoir accès aux représentations des scripteurs à l’égard de leurs écrits. Il est habituellement utilisé de manière complémentaire à la production d’écrits. L’analyse des données issues de ce type d’entretien, lorsqu’elle est combinée à celle des écrits, permet de dresser un portrait plus complet et plus précis des acquis réalisés par les sujets et de ceux à parfaire. Cette méthodologie est donc d’une grande pertinence pour les didacticiens. Néanmoins, peu de publications ont porté spécifiquement sur celle-ci. Cet article vise donc à en éclairer divers aspects. D’abord, les fondements de l’entretien métagraphique sont abordés. Puis, il est question des avantages et des limites de ce type d’entretien. Enfin, son déroulement et l’analyse des données qui en découlent sont traités en s’appuyant sur différents travaux qui ont fait appel à cette méthodologie de recherche.

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)0,019
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,537
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,543
Tête enseignante GPT0,525
Écart entre enseignants0,018 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRecherches qualitativesMême sujetLinguistics and Discourse AnalysisTravaux en français237 207