MétaCan
Menu
Retour à la cohorte
Enregistrement W4403362283 · doi:10.1080/13636820.2024.2414323

The use of trade-related writing in upper secondary vocational education and training

2024· article· en· W4403362283 sur OpenAlexaff
Isabelle Rioux, Rachel Bélisle, Frédéric Saussez

Notice bibliographique

RevueJournal of Vocational Education and Training · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésVocational educationTraining (meteorology)PsychologyMathematics educationPedagogyGeography

Résumé

récupéré en direct d'OpenAlex

In Upper secondary vocational education and training (VET) we note the presence of students with learning challenges, including reading and writing difficulties. However, both the learning and practice of a trade require the use of trade-related writing. One characteristic of those writings is their plurisemioticity which we can see as different semiotic resources at hand to do things and make meaning in the situation. The purpose of the present contribution is to describe the use of trade-related writing in upper secondary vocational training (VET) within a heterogeneous group of individuals in terms of their level of education upon entering the training program. Our results from analysis of data from a case study of a carpentry programme shows that learners use such writing with an affective attitude of openness and that they are inclined to use at the first place semiotic systems and mediums with which they are more familiar. Results raise as well issues of information literacy, particularly in terms of the quality of the information obtained by learners in digital medium.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,688
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

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

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 Opus0,060
Tête enseignante GPT0,298
Écart entre enseignants0,239 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vocational Education and TrainingMême sujetSecond Language Learning and TeachingTravaux en français237 207