MétaCan
Menu
Retour à la cohorte
Enregistrement W2872032496 · doi:10.1051/shsconf/20184607002

Mise à l’essai d’un dispositif renouvelé d’enseignement de l’orthographe auprès d’élèves d’un lycée professionnel en France

2018· article· fr· W2872032496 sur OpenAlexaff
Catherine Maynard, Catherine Brissaud, Françoise Armand

Notice bibliographique

RevueSHS Web of Conferences · 2018
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyArtPolitical science

Résumé

récupéré en direct d'OpenAlex

L’apprentissage de l’orthographe française constitue une pierre d’achoppement importante chez les élèves (Manesse et Cogis, 2007). Les difficultés qu’ils rencontrent sont notamment dues à la polyvalence graphique du français et à sa morphologie silencieuse, ce qui se traduit par la présence de nombreuses lettres muettes (Fayol et Jaffré, 2008). Dans ce contexte, certains dispositifs, tels que les ateliers de négociation graphique (Haas et Maurel, 2009) et les dictées métacognitives (Nadeau et Fisher, 2014a), et certaines approches, telles qu’une approche intégrée d’enseignement de l’orthographe (Allal et al., 2001), semblent avoir un effet positif sur le développement de la compétence orthographique des élèves. Dans notre recherche, nous proposons de concevoir et de mettre à l’essai, auprès d’élèves d’un lycée professionnel en France, un dispositif d’intervention s’inspirant de ces interventions et adapté au profil des élèves de notre échantillon. Les effets de la mise en oeuvre du dispositif sur la compétence orthographique des élèves sont mesurés au moyen d’une dictée et d’une production écrite. Nous constatons ainsi que le dispositif expérimenté tend à favoriser le développement de la compétence orthographique des élèves, notamment pour ce qui est des accords adjectivaux et verbaux et de l’orthographe des suffixes adverbiaux en –ment. Des pistes d’adaptation du dispositif mis à l’essai sont suggérées.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,300
Écart entre enseignants0,278 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSHS Web of ConferencesMême sujetFrench Language Learning MethodsTravaux en français237 207