Dans les deux dernières parties de cette série (partie 1, partie 2) traitant de la linguistique informatique et de l’analyse du style rédactionnel, nous avons surtout discuté de la façon dont la stylométrie peut être utilisée pour détecter les prête-plume. Outre ce scénario, Ouriginal Metrics peut également être utilisé comme outil d’analyse de l’apprentissage pour analyser les styles rédactionnels des étudiants et les aider à améliorer leurs compétences rédactionnelles.
Un changement de perspective : De nouvelles mesures et de nouveaux flux de travail pour Ouriginal Metrics ?
Dans le cas où Ouriginal Metrics serait finalement étendu à un outil d’analyse de l’apprentissage, l’objectif serait d’identifier non seulement les étudiants individuels qui obtiennent des résultats exceptionnels ou médiocres, mais aussi les groupes d’étudiants qui ont des difficultés sur des mesures particulières. Cela pourrait fournir d’importantes données quantifiables nécessaires pour aider ces élèves à atteindre le niveau des objectifs d’apprentissage ciblés par une intervention pédagogique. Ces résultats constitueraient une ressource précieuse pour les établissements universitaires qui pratiquent des tests standardisés, en fournissant aux enseignants ou aux élèves un retour d’information en temps réel sur leurs performances.
Les scénarios d’extension d’Ouriginal Metrics à l’analyse de l’apprentissage nécessiteraient l’établissement d’un flux de travail fluide plutôt que le développement de quelque chose de nouveau. Si un étudiant particulier a obtenu un résultat inférieur à la moyenne pour une mesure, cela n’est probablement pas significatif. Si les mauvaises performances sont constatées de manière constante dans tous les devoirs et que l’élève obtient des résultats inférieurs à ceux de ses camarades, ce résultat peut indiquer la nécessité d’une intervention pédagogique.
Scénario d’utilisation supplémentaire pour les analyses de style rédactionnel : Que faut-il ajouter pour faire d’Ouriginal Metrics un outil d’analyse de l’apprentissage ?
Les mises en œuvre de l’analyse de l’apprentissage peuvent varier. Une possibilité serait de montrer les résultats d’Ouriginal Metrics uniquement à l’enseignant. L’autre option serait de fournir à l’étudiant les résultats de l’analyse. Enfin, chaque étudiant pourrait voir les résultats de son analyse en comparaison avec les résultats anonymes du groupe de pairs. Dans cette dernière mise en œuvre, les étudiants peuvent être informés de leur rang pour certains travaux.
Comme pour tous les algorithmes, les mesures d’Ouriginal Metrics reposent sur de nombreuses hypothèses idéologiques tacites. Par exemple, il est important de noter que toutes les mesures d’Ouriginal Metrics ne sont pas forcément appropriées pour l’analyse de l’apprentissage. Les phrases courtes (un facteur qui affecte Gunning Fog) et les faibles niveaux d’originalité lexicale peuvent être estimés dans certaines cultures ou certains genres, mais considérés avec dédain dans d’autres. La longueur des phrases est une autre mesure qui varie d’une langue à l’autre. Cela dit, les objectifs d’apprentissage visés peuvent être différents selon les contextes éducatifs.
Lors de l’adaptation d’Ouriginal Metrics en tant qu’outil d’analyse de l’apprentissage, il peut s’avérer nécessaire de retravailler le système de notation de manière à prendre en compte efficacement les scores faibles des mesures ainsi que les scores moyens. Le postulat actuel de notre outil, lorsqu’il évalue les valeurs les plus aberrantes, est que les prête-plume professionnels auront une composition plus complète qu’un élève en difficulté qui se tourne vers la tricherie contractuelle.
Stylométrie : Un moyen d’attraper les prête-plume et d’améliorer les compétences rédactionnelles des élèves ?
Ce qui est vraiment passionnant, c’est que la stylométrie permet de détecter non seulement de nouvelles façons de tricher ou de commettre des fautes universitaires, comme les travaux commandés à des prête-plume ou les « usines à dissertations », mais elle peut également être utilisée pour améliorer les compétences rédactionnelles des étudiants. Si elles font l’objet de recherches appropriées, la linguistique informatique et les analyses du style rédactionnel peuvent aider les étudiants à renforcer leur propre voix créative en améliorant leur style rédactionnel unique.
Actuellement, nous travaillons à développer davantage Ouriginal Metrics pour permettre l’utilisation de l’outil dans le but d’améliorer les compétences rédactionnelles de nos utilisateurs.
Nous aimerions connaître votre opinion sur l’utilisation de la stylométrie pour aider les enseignants à identifier les compétences rédactionnelles des élèves ! Discutez de ces sujets avec nous sur Twitter.
Au cas où vous auriez manqué les parties I et II, retrouvez-les ici :
Détection de l’écriture fantôme et analyse du style d’écriture : Les basiques – Ouriginal
La linguistique informatique pour découvrir les prête-plume et la tricherie contractuelle déloyale – Et ses limites
