L’utilisation de ChatGPT 3.5 pour la rétroaction corrective écrite interactive en enseignement-apprentissage du français langue seconde : une étude exploratoire
Notice bibliographique
Résumé
Generative artificial intelligence (GenAI) tools are becoming increasingly accessible, which makes it imperative to critically examine their potential impact in the educational environment, as well as the ways in which they can be integrated to enable learners to benefit from them. ChatGPT (OpenAI, 2022) is a conversational GenAI tool with which users can interact. The interactive nature of this tool seems to suggest affordances in language teaching and learning, specifically for textual revision. This exploratory study focuses on the use of ChatGPT for interactive written corrective feedback (WCF) in French as a second language. Participants (n=22) were French as a second language learners in a second-year university course. They first answered a questionnaire about their self-corrective practices for French writing tasks. Then, during a one-off intervention, they interacted with ChatGPT to solicit interactive WCF during synchronous exchanges. Finally, the participants answered a questionnaire about this experience and their perceptions of AI. A taxonomic analysis (Bilmes, 2009) within the framework of a qualitative content analysis (Selvi, 2019) was undertaken to develop typologies to classify the messages in the collected discussion threads. The quality of ChatGPT’s responses was also analyzed. The results show that many different types of prompts were created, but there were discrepancies in the degree of participant engagement. That said, the vast majority of participants claim to have benefited from this experience. ChatGPT’s responses were largely correct and appropriate, but the quality of the prompt was found to affect the quality of the response it solicits. The results of this study seem to demonstrate that ChatGPT could be a useful tool for interactive WCF in French language learning, however, more research is needed.
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 | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».