Pistage informatisé des stratégies de lecture : une étude de cas en contexte pédagogique
Bibliographic record
Abstract
La lecture constitue une activité mentale privée dont les mécanismes sont difficiles à observer dans le contexte de la classe de langue. Pour mieux permettre à l'enseignant de jauger les capacités de lecture de ses apprenants, nous avons conçu une procédure informatisée dont le but a été d'enregistrer des données sur les conditions d'utilisation d'une sélection de stratégies de compréhension textuelle communément utilisées par les apprenants de Français Langue Étrangère (FLE). Les 16 étudiants universitaires d'une classe de FLE de niveau intermédiaire ont été soumis à la lecture de deux textes français en mode Pistage Informatisé. À l'occasion de cet exercice, les lecteurs ont dû effectuer des choix stratégiques liés aux problèmes de compréhension rencontrés pendant la lecture. Les résultats obtenus nous ont permis d'observer l'effort stratégique mis en œuvre par les lecteurs. L'objectif de cet article est de justifier ce qui nous a conduits à concevoir la procédure de Pistage Informatisé, de décrire notre méthode, de présenter les résultats et, enfin, de discuter de l'utilité pédagogique de notre approche.
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 | 0.010 | 0.050 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".