Écoles, langues et cultures d’enseignement en contexte plurilingue africain
Notice bibliographique
Résumé
Le thème de cette étude porte sur l’analyse de quelques erreurs intralinguales commises en expression écrite par des apprenants du cours moyen deuxième année (CM2). L’objectif est d’identifier les types d’erreurs commises par ces derniers en vue de rechercher les causes justificatives et les solutions appropriées. La méthodologie utilisée a consisté en quatre (04) instruments de collecte de données qui sont les entretiens avec les apprenants, les enseignants et quelques parents d’élèves, les observations de classes, l’examen des aides pédagogiques et un test de rédaction. La collecte des différentes réponses nous permet de confirmer que les apprenants commettent de nombreuses erreurs malgré la disponibilité des manuels scolaires et des enseignants qualifiés et professionnels. Face à la situation, de nombreuses solutions ont été préconisées. Désormais les différentes évaluations des apprentissages se feront à travers un outil d’origine canadienne qui a fait ses preuves dans ce pays ; ce qui nous amène à prendre en compte la nouvelle approche d’encadrement qui a l’avantage de placer les différents protagonistes de la scène pédagogique devant leur responsabilité.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».