Usages numériques non formels chez les jeunes et performance scolaire
Bibliographic record
Abstract
Les jeunes élèves de 12 à 17 ans utilisent régulièrement des outils numériques et construisent des pratiques personnelles. Ces pratiques ne sont pas sans relation avec les compétences attendues dans le champ scolaire et le développement de ces usages numériques peut avoir un effet négatif ou positif sur la performance scolaire. Depuis quatre ans, nous étudions les usages non formels de ces outils par les jeunes et nous examinons les impacts de ces pratiques sur le champ scolaire. Notre recherche menée en 2013 et en 2014 est complémentaire aux travaux conduits au niveau du collège français (première moitié du secondaire). Nous avons travaillé en cherchant à décrire les usages spécifiques numériques des adolescents et à mesurer l’impact de ces usages sur les résultats scolaires, mais aussi sur les compétences sociales et pédagogiques, notamment les compétences liées à l’autonomie au travail et à la prise d’initiative.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.004 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".