Oral vocabulary and reading comprehension: An intricate affair
Notice bibliographique
Résumé
Résumé Un nombre important de recherches actuelles observe des relations -de modérées à fortes- entre les mesures de vocabulaire oral et de celles de compréhension en lecture. Cette recherche a pour objectif de préciser notre compréhension des interactions entre le langage oral et le langage écrit en examinant la nature du lien entretenu par le vocabulaire oral et la compréhension en lecture avec des définitions et des mesures plus précises de différents composants du vocabulaire qui sont également motivés théoriquement. Différents composants du système de vocabulaire oral ont ainsi été définis et évalués séparément à partir de modèles du lexique qui distinguent le nombre d’entrées lexicales (l’étendue du vocabulaire) et l’étendue des connaissances sémantiques (profondeur du vocabulaire). Le concept de profondeur du vocabulaire a été développé de sorte à inclure à la fois des mesures de définition de mots et de conscience des associations entre mots ; cette dernière mesure étant destinée à évaluer l’organisation du système lexico-sémantique. Des tests de connaissances en vocabulaire ainsi que des tests de conscience phonémique, de lecture de mots et de compréhension en lecture ont été administrés à 100 élèves de 6 e année. Les résultats ont montré que les performances de compréhension en lecture sont influencées directement par celles de conscience phonémique, de lecture de mots et d’étendue du vocabulaire et, indirectement, par celles relatives à l’organisation lexico-sémantique qui prédisent une part unique de variance en lecture de mots. Ces résultats reflètent la complexité des relations entretenues par le vocabulaire oral et la compréhension de textes écrits, et soulignent la pertinence des mesures d’étendue et de profondeur du vocabulaire dans l’explication des différences individuelles en lecture.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».