L’utilisation d’une mesure de la mémoire phonologique auprès d’une population d’enfants linguistiquement hétérogène
Notice bibliographique
Résumé
Résumé: Cette étude avait comme objectif de mettre à l’essai une tâche de répétition de non-mots destinée à une population francophone auprès d’une population dont la langue d’origine n’est pas le français. Un groupe de locuteurs de langues d’origine (n = 27) a été apparié à un groupe de locuteurs natifs du français (n = 27) possédant des connaissances lexicales réceptives comparables. Nous avons comparé les résultats des deux groupes à une tâche de répétition de non-mots. Les résultats des analyses de variance indiquent que les participants de langues d’origine ont obtenu des résultats équivalents à ceux des locuteurs natifs, et ce malgré le fait que leur langue d’origine ne soit pas celle à partir de laquelle les non-mots ont été construits. Cette étude met en lumière la possibilité d’utilisation d’une tâche de répétition de non-mots auprès d’une population linguistiquement hétérogène, tout en fournissant des pistes de réflexion relativement à l’unité de mesure qui devrait être privilégiée, soit la mesure de syllabes réussies, afin de tenter de limiter le plus possible l’influence de différents facteurs pouvant intervenir lors de la réalisation de la tâche.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule tête enseignante, 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 ».