MétaCan
Menu
Retour à la cohorte
Enregistrement W3186104075 · doi:10.36315/2021end145

A MOTOR INTERVENTION TO PREPARE LEARNING TO WRITE

2021· article· en· W3186104075 sur OpenAlexaff
Natalie Lavoie, Émile Lebel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWriting and Handwriting Education
Établissements canadiensCégep de RimouskiUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésHandwritingReadabilityMotor skillTest (biology)PsychologyIntervention (counseling)Gross motor skillComputer scienceMathematics educationDevelopmental psychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Writing is a complex activity that requires the automation of graphomotor skills. Unfortunately, 10 to 30% of primary school students have difficulty at this level, which impairs the development of writing skills. It therefore seems judicious to intervene in kindergarten to support motor precision as well as visuomotor capacities, considered as prerequisites for writing by many researchers. The purpose of this study was to investigate the effect of motor training on visuomotor integration, motor precision and handwriting performance (speed and readability) in 5-year-old children. According to a quasi-experimental design (pretest, post-test with control group), 34 children participated in an intervention in subgroups, twice a week for 6 weeks. The mean and standard deviation were calculated for each of the tasks performed. Statistical tests (t test) were then carried out. The results show that the children in the experimental group improved their motor precision as well as their graphomotor skills compared to those in the control group. This project provides new insights into the benefits of working on basic skills in preparation for learning to write and will equip teachers on how to guide and support graphomotor skills before entering first grade.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,025
Tête enseignante GPT0,370
Écart entre enseignants0,345 · 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'étudeEssai non randomisé
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWriting and Handwriting EducationTravaux en français237 207