Tâches à distance et remédiation en anglais langue étrangère : Réflexion sur des entrées à considérer pour la conception d’outils pédagogiques ajustés aux besoins des apprenants
Bibliographic record
Abstract
Cet article propose de revenir sur la conception et l’utilisation d’un outil de médiation à distance – l’« assistant pédagogique en ligne » – dans un dispositif de formation destiné à des apprenants non spécialistes des langues étrangères (LANSAD) de l’Université Pierre et Marie Curie. Une expérience avec collecte et quantification de données a été mise en place pour évaluer le potentiel de ces outils de guidage à distance sur le processus d’appropriation de l’anglais langue étrangère (L2) auprès de trois groupes d’apprenants (B1/B2) de cette université.Nous reviendrons tout d’abord dans ce qui suit sur une expérience visant à recueillir des données destinées à être ultérieurement utilisées pour développer un outil de (re)médiation en ligne. Nous poursuivrons par une présentation des modalités d’enseignement-apprentissage de l’anglais L2 qui ont été développées à la suite de l’analyse de ces données. Nous finirons par donner les premiers résultats que nous avons pu obtenir concernant l’impact des modalités de suivi à distance qui ont été conçues sur le processus d’appropriation de l’anglais langue étrangère.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.008 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".