Rétroaction corrective synchrone et écriture collaborative en ligne : perceptions d’enseignants de français langue seconde
Bibliographic record
Abstract
Avec le récent essor de l’enseignement à distance, les tâches d’écriture collaborative (ÉC), dont la contribution au développement des compétences en écriture en langue seconde (L2) a été démontrée (Elabdali, 2021), se déroulent de plus en plus en ligne. Un tel format permet à l’enseignant de fournir une rétroaction corrective écrite synchrone (RCÉS) aux apprenants, qui collaborent ensuite en temps réel sur la résolution des erreurs. Peu d’études se sont toutefois intéressées aux perceptions des enseignants dans le cadre d’un cours de français L2 en ligne. Cette étude de cas explore ainsi les perceptions d’enseignants de français L2 (N = 3) quant à la mise en place, dans leur cours de français écrit de niveau avancé, de deux tâches d’ÉC en ligne (Google Docs), lors desquelles ils fournissaient de la RCÉS à leurs apprenants (N = 46), qui collaboraient par vidéoconférence en petits groupes (Zoom). Après la réalisation des tâches, les enseignants ont partagé leurs points de vue quant aux forces et aux limites d’une telle pratique pédagogique lors d’une entrevue de groupe semi-dirigée tenue en vidéoconférence. L’analyse de contenu de la transcription de l’entrevue indique que, bien que les enseignants aient des perceptions globalement positives de cette pratique et y voient un potentiel pour l’enseignement-apprentissage du français L2, certaines préoccupations concernant l’aspect pratique et la mise en œuvre des tâches d’ÉC en ligne avec de la RCÉS ont émergé. Les implications pédagogiques quant à la manière de fournir de la RCÉS pendant de telles tâches sont discutées.
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 | 0.008 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".