Clavardage pédagogique : performances en écriture et interactions entre pairs chez des élèves du secondaire en difficulté d'apprentissage
Bibliographic record
Abstract
Bien que fort populaire chez les jeunes d'aujourd'hui, le clavardage semble peu utilisé en classe. Cet article fait état d'une recherche qualitative centrée sur l'utilisation du clavardage pédagogique en contexte d'écriture, dont les objectifs sont les suivants : 1) analyser et comparer un texte rédigé individuellement à l'ordinateur et un texte écrit en collaboration avec le clavardage, 2) analyser les interactions lors des séances de clavardage et 3) les mettre en lien avec les textes produits. Les scripteurs (N = 20) et leurs équipiers (N = 20), qui les ont soutenus avec le clavardage pour le second texte, sont des élèves en difficulté de première et de deuxième secondaire (12-14 ans). Les textes ont été analysés d'après différents critères et les interactions ont été classées dans des catégories. Il a aussi été vérifié dans quelle mesure les propositions des pairs ont été transférées dans les textes. Grâce au clavardage, les jeunes des deux niveaux ont mieux réussi à certains critères d'évaluation (orthographe grammaticale, respect des consignes et construction des phrases). Les interactions cognitives centrées sur la tâche dominent dans leurs discussions ; d'ailleurs, ils ont pris en compte plus de la moitié des propositions discutées. En somme, les jeunes ayant un intérêt certain pour le clavardage, il demeure judicieux d'y faire appel afin d'écrire en classe.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".