Les difficultés de compréhension en lecture chez les étudiants de la francophonie ontarienne en formation initiale des maîtres
Notice bibliographique
Résumé
Pour comprendre un document textuel, peu importe le support utilisé, il ne suffit pas de savoir décoder une série de mots; encore faut-il saisir adéquatement le sens général de ce document. L’acte de lire englobe deux constituants : la reconnaissance de mots et la compréhension. En contexte francophone minoritaire, notamment pour les étudiants et les étudiantes en formation initiale des maîtres, lire et comprendre correctement le sens des textes lus en français peut s’avérer une tâche difficile à réaliser. Pourtant, ces futurs enseignants et enseignantes devront évaluer la compréhension en lecture de textes en français de leurs élèves lorsqu’ils seront dans les écoles françaises de l’Ontario. L’objectif de cet article est de déterminer le degré de compréhension en lecture montré par des étudiants en formation initiale des maîtres en milieu francophone minoritaire ontarien par la mise à l’essai d’un outil diagnostique lié à la compréhension en lecture. Les résultats préliminaires montrent que ces étudiants éprouvent davantage de difficulté avec les questions touchant les processus d’intégration et les macroprocessus liés à la lecture. Il sera également question dans cet article de la moyenne obtenue par tous les participants pour les cinq textes lus, des questions ayant reçu le moins de bonnes réponses selon leur catégorie ainsi que des limites de l’étude.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 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) | 0,008 | 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 ».