MétaCan
Menu
Retour à la cohorte
Enregistrement W2513216188

La programmation des contenus des aides à la communication avec sortie vocale chez les jeunes enfants qui ont des besoins complexes en communication

2013· dissertation· fr· W2513216188 sur OpenAlexaboutno aff
Manon Robillard

Notice bibliographique

RevueLu Zone Ul (Laurentian University) · 2013
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La présente thèse a pour objectif la découverte de pistes pour faciliter la sélection de l’aide à la communication avec sortie vocale (ACSV) et la programmation de son vocabulaire pour les jeunes enfants âgés de 4 à 6 ans qui ont des besoins complexes en communication (BCC). Cette étude a premièrement examiné le vocabulaire de base qui doit être programmé dans les ACSV des jeunes enfants francophones et bilingues qui vivent en situation minoritaire. Cinquante-sept enfants qui fréquentent une école de langue française ont participé aux enregistrements libres en salle de classe. L’analyse du corpus a révélé que 216 mots représentent 80,15% du vocabulaire utilisé par les enfants francophones de la maternelle et du jardin. L’analyse du corpus des enfants bilingues et des enfants qui ont un trouble du langage a donné des résultats comparables. Une seule liste de 200 mots a été produite en combinant le vocabulaire à fréquence et similitude élevée de trois groupes : les francophones, les bilingues et un ensemble d’enfants présentant des troubles du langage. Ces mots devraient être programmés dans les ACSV des jeunes enfants francophones et bilingues qui fréquentent une école de lange française dans un milieu minoritaire, quelle que soit leur habileté linguistique. Ces nombres sont semblables à ceux des études qui ont été effectuées en anglais aux États-Unis et en Australie, sauf que les mots ne sont pas les mêmes. D’ailleurs, seulement 61,50 % des mots de base de notre étude se trouvent sur la liste anglaise la plus récente. Une traduction n’aurait donc pas suffi et, dans cette perspective, notre étude s’avère importante. En outre, seulement 44,50 % des mots de base de notre étude se trouvent sur la liste de sélection de vocabulaire présentement utilisée chez la population francophone au Nord de l’Ontario. L’impact des facteurs cognitifs et linguistiques sur la navigation dans les ACSV a ensuite été analysé. Soixante-cinq enfants âgés de 48 à 77 mois ont participé aux évaluations cognitives, linguistiques et à une épreuve de navigation à l’aide du iPad2™. Bien que des corrélations significatives aient été trouvées entre la navigation et plusieurs facteurs cognitifs et linguistiques, il appert, en fin de compte, que le sous-ensemble pragmatique de facteurs permettant le mieux de prédire la capacité de navigation chez les jeunes enfants inclut l’attention, la catégorisation et le raisonnement. Lors de l’évaluation en suppléance à la communication (SC), les compétences d’attention, de catégorisation et de raisonnement devraient être prises en considération afin de mieux assurer la bonne sélection de l’ACSV. Les résultats de cette étude permettent d’établir les mots nécessaires lors de la programmation des ACSV pour les jeunes enfants francophones et bilingues en milieu minoritaire, et ils suggèrent que trois sous-tests du Leiter-R pourraient être utilisés pour déterminer l’habileté de naviguer dans une ACSV qui a une pagination dynamique.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,007
Communication savante0,0010,002
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,285
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLu Zone Ul (Laurentian University)Même sujetFrench Language Learning MethodsTravaux en français237 207