Reading comprehension development: Presentation of the special issue
Notice bibliographique
Résumé
Résumé Les articles présentés dans ce numéro spécial s’organisent autour de trois questions théoriques majeures dans le champ des recherches sur la compréhension en lecture. La première est liée à la description des habiletés prédictives de la performance. Parmi les multiples habiletés linguistiques et cognitives impliquées, le vocabulaire a fortement retenu l’attention des chercheurs. Trois articles décrivent son influence et ses relations aux processus de compréhension. La deuxième question est centrée sur le problème de l’évaluation et de l’analyse des différences individuelles. Malgré la nature multidimensionnelle de l’activité de compréhension en lecture, la plupart des tests existant fournissent une mesure unitaire de la performance. Le problème consiste à savoir quelles sont les habiletés exactement évaluées par ces épreuves. Quatre articles sont consacrés à cette question. L’enseignement de la compréhension est récemment devenu une préoccupation majeure et représente la troisième question abordée. Le développement précoce du langage oral étant très prédictif de la compréhension ultérieure en lecture, l’accent a été mis sur les recherches interventionnelles destinées à améliorer la maitrise du langage oral à l’école maternelle. La dernière recherche présentée dans ce numéro aborde cette question.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,181 | 0,063 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».