Forum de discussion en ligne : analyse des échanges interculturels entre des élèves français et québécois
Bibliographic record
Abstract
Les technologies de l’information et de la communication (TIC) sont de plus en plus présentes dans les différentes sphères de notre société, comme en éducation. De nombreux enseignants s’en servent pour travailler avec leurs élèves en classe. Malgré leur utilisation parfois limitée aux fonctions de base, les TIC offrent beaucoup d’avantages qui peuvent être très bénéfiques à l’éducation des jeunes, tout comme les échanges interculturels qui permettent aux jeunes de s’ouvrir sur le monde. Ce projet proposait de mettre en réseau par Internet des élèves québécois et des élèves français de 8 à 12 ans à l’aide du forum de discussion Knowledge Forum et de l’outil de vidéoconférence Via. Les connaissances et les attitudes des jeunes face aux autres et à leur culture, ainsi qu’à la technologie ont été analysées. Plus précisément, la participation, les différences et les ressemblances, les connaissances acquises, les façons d’interagir, les attitudes et le degré de présence sociale ont été étudiés à l’aide d’une grille d’analyse incluant les catégories de Bales. Des entrevues effectuées avec les enseignants et les élèves ont aussi été analysées. Le degré de présence sociale a permis aux attitudes des jeunes d’évoluer, devenant plus amicales au fil des échanges. Les élèves ont appris sur la culture de l’autre, ont discuté des différences et des ressemblances et ont donné beaucoup d’informations sur eux. Donc, la technologie a permis aux élèves de créer des liens avec les autres et d’apprendre sur la culture des deux pays.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.009 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".