Prévenir l’illettrisme dès l’école primaire : analyse du cas français à la lumière de la comparaison internationale
Notice bibliographique
Résumé
L’usage du terme d’« illettrisme » s’est trouvé consacré dans le paysage éducatif français par deux plans de prévention respectivement instaurés par les ministres Luc Ferry (2002) et Luc Châtel (2010). Un examen des mesures qu’ils annoncent et de leur mise en œuvre à travers l’étude des circulaires de rentrée fait apparaître une volonté politique forte de prévenir l’illettrisme. Pour autant, une étude comparée montre l’insuffisance de la prise en charge des apprentis-lecteurs en difficulté durant les deux premières années de l’école élémentaire en France, contribuant à une certaine “médicalisation” du traitement de la difficulté scolaire. Et on peut légitimement s’interroger sur l’évolution de la situation suite à la suppression massive de postes du RASED. Mais outre la question des moyens consacrés au traitement de la difficulté scolaire, la comparaison internationale met en évidence l’intérêt que pourrait représenter pour la France le recours à un mode d’organisation fondé sur une distinction stricte des différentes étapes du processus d’aide, ainsi que sur la nécessaire liaison entre celles-ci, à l’instar du fonctionnement modélisé « en cascade » comme au Québec, ou du processus pyramidal du « three tiers model » aux États-Unis. Au-delà des “bonnes pratiques” dont on s’accorde à dire que l’adoption isolée s’avèrerait probablement vaine, c’est tout un process que la comparaison internationale nous invite à faire évoluer, allant de l’organisation de la prise en charge jusqu’à la conception des contenus, afin de faire reculer l’illettrisme dans les générations à venir.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».