Relation entre l’enseignement explicite des stratégies de lecture et le degré de compréhension d’élèves de 4e année du primaire
Notice bibliographique
Résumé
Dans le présent article, nous nous questionnons sur la relation entre l’enseignement \nexplicite des stratégies de lecture et le degré de compréhension en lecture d’élèves de \n4e année du primaire. Durant quatre mois, des élèves de ce niveau ont reçu un enseignement \nexplicite des stratégies de lecture. Ils ont ensuite lu un texte narratif et répondu à \nun questionnaire de compréhension, qui constitue l’outil méthodologique de la présente \nrecherche. Une grille d’analyse a ensuite permis d’interpréter les données obtenues. Les \nrésultats du groupe expérimental (GE) ont été comparés à ceux du groupe témoin (GT). \nL’analyse des résultats nous amène à constater que l’enseignement explicite des stratégies \nde lecture semble avoir une influence positive sur le degré de compréhension en lecture \ndes élèves. En effet, bien que les résultats des deux groupes soient globalement similaires, \nnous avons constaté que les élèves du GE ont mieux répondu aux questions qui leur demandaient de faire appel à plus d’un processus de compréhension en lecture. Enfin, les \nélèves du GE n’ont pas utilisé le repérage mot à mot, contrairement à certains élèves du \nGT.
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 | 0,004 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».