ÉQOL : Une nouvelle base de données québécoise du lexique scolaire du primaire comportant une échelle d’acquisition de l’orthographe lexicale
Notice bibliographique
Résumé
Par son rôle déterminant dans la réussite scolaire et professionnelle, ainsi que dans l’insertion sociale, l’apprentissage de l’orthographe lexicale représente un défi majeur pour les élèves du primaire. Dans ce contexte, nombreux sont les enseignants, orthophonistes et chercheurs à s’intéresser à la question des outils utiles à son enseignement et à son apprentissage, et à avoir recours notamment à des bases de données lexicales. Bien qu’elles constituent un apport considérable pour le domaine, les ressources existantes souffrent de plusieurs insuffisances. D’une part, elles s’appuient sur des corpus de référence peu représentatifs du lexique scolaire auquel les élèves sont exposés au primaire, et d’autre part, elles ne permettent pas aux utilisateurs de déterminer la façon dont se développe l’acquisition de l’orthographe lexicale. À la lumière de ces constats, nous avons élaboré une ressource lexicale hybride, rendant compte à la fois de la fréquence et des caractéristiques linguistiques du lexique scolaire présent dans les manuels du primaire au Québec et, pour une partie des mots de ce lexique, de la capacité des élèves à les orthographier à chaque niveau du primaire. Dans cet article, nous revenons dans un premier temps sur la méthodologie d’élaboration de cette nouvelle base de données - nommée ÉQOL - dotée d’une Échelle Québécoise d’acquisition de l’Orthographe Lexicale, à l’origine de la création de la base de données. Dans un deuxième temps, nous évaluons l’apport de cet outil. La comparaison de notre base de données (Stanké, Royle, Rezzonico, Moreau, Dumais & Le Mené 2018) à des outils existants (trois bases de données et une échelle d’acquisition lexicale) témoigne de la pertinence de la création d’un outil propre au lexique scolaire adressé aux élèves du primaire et de la nécessité d’utiliser une nouvelle échelle d’acquisition de l’orthographe lexicale, spécifique aux compétences orthographiques des élèves québécois.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,012 |
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 ».