Éléments de validation d’une échelle de mesure des connaissances métacognitives liées à la lecture numérique
Bibliographic record
Abstract
Cette étude vise à identifier des traces de validité d’une échelle de mesure des connaissances métacognitives de la lecture numérique inédite, développée pour le PISA 2018 et, plus particulièrement, à établir si cette échelle mesure des connaissances relevant de la lecture plutôt que de la littératie numérique. Les données des 37 pays de l’OCDE ont été utilisées. Les résultats montrent que l’échelle de connaissances métacognitives présente une forte corrélation avec les performances en lecture et avec deux échelles ayant subi un processus de validation de la mesure de la métacognition en lecture. Cette échelle est aussi significativement liée à l’intérêt des élèves, à leur concept de soi et à leur sentiment d’efficacité en lecture, mais n’est pas liée avec leur utilisation des TIC, leur intérêt ou leur sentiment d’efficacité perçue dans ce domaine. Les résultats appuient le fait que l’échelle mesure des connaissances relevant de la lecture plutôt que de la littératie numérique et mettent en évidence une corrélation robuste entre les connaissances métacognitives et les performances en lecture.
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 | 0.023 | 0.152 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".