Évaluation de la qualité des notes prises par des étudiants universitaires dans les modes numérique et manuscrit
Notice bibliographique
Résumé
Cette étude s’est intéressée à la prise de notes (PDN), outil d’apprentissage très important dont le processus permet la mémorisation et l’appropriation des informations et le produit, la constitution d’une mémoire externe (pour mémorisation ultérieure), chez les étudiants universitaires. Elle s’est plus spécifiquement intéressée aux notes prises dans les modes numérique et manuscrit, ce qui est d’actualité, car la mise en place du Plan d’action numérique en éducation et en enseignement supérieur depuis 2018 implique en effet une utilisation plus grande du numérique dans les classes (Gouvernement du Québec, 2019). Or, cette intégration du numérique suppose une interaction entre l’apprenant et la technologie (Li & Pow, 2011), ce qui signifie que le numérique pourrait avoir une incidence sur la façon dont les apprenants prennent leurs notes. Il s’impose alors d’analyser les habitudes de PDN des apprenants dans les modes manuscrit et numérique ainsi que l’incidence de ces façons de prendre les notes sur la qualité des notes et sur la performance. Pour ce faire, il faut notamment trouver un moyen d’évaluer la qualité de la PDN réalisée dans les deux modes. Les écrits scientifiques révèlent que des notes de qualité reflètent la macrostructure (MS) du discours source (DS), c’est-à-dire qu’elles sont organisées de façon claire et que les relations entre les idées principales et secondaires sont bien définies (Williams & Eggert, 2002). Afin d’évaluer la qualité des notes, nous avons élaboré une grille mettant en parallèle la MS d’un DS et celle des notes. Cette grille nous a permis d’analyser les notes prises dans les deux modes et de mettre ces notes, c’est-à-dire l’organisation et la sélection de leur contenu, en parallèle avec la performance à un examen afin de voir si la façon dont les apprenants prennent des notes dans les deux modes a un lien avec la performance à un examen.
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 | 0,013 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».