MétaCan
Menu
Retour à la cohorte
Enregistrement W4311122988 · doi:10.5430/elr.v11n2p50

Learning Alphabetic System Difficulties

2022· article· en· W4311122988 sur OpenAlexvenueno aff
Leonor Scliar-Cabral

Notice bibliographique

RevueEnglish Linguistics Research · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Learning to readReading (process)Focus (optics)PsychologyLiteracyFace (sociological concept)SyllableProcess (computing)LinguisticsCognitive psychologyCognitionCognitive scienceComputer scienceArtificial intelligencePedagogyNeuroscience

Résumé

récupéré en direct d'OpenAlex

My aim is to discuss the ontogenesis of structured patterns of pertinent phonemic differences of a given sociolinguistic variety and the difficulties children face when trying to learn how to read. I first explain how the child innately guided loses her/his sensitivity to some phonetic features, realigns categories and sharpens or broadens categories in such a way that the cortex cells tune with categories that are pertinent to the sociolinguistic variety being acquired. Then, I focus on learning an alphabetic system like the Latin script, as a cognitive process, based on neurosciences findings about the reading process. I explain the initial difficulties children face, when trying to learn how to read. Before knowing the principles of the alphabetic system, the child does not perceive the contrasts among the syllable constituent units. The difficulty of delimiting words, namely unstressed words, and the fact that vision neurons of primates are genetically programmed for disregarding the minimal differences among basic features and the differences of direction such as right as opposed to left, and of vertical position, the bottom, as opposed to the top deserves an adequate early literacy education. Psycholinguistic research today can help overcome those difficulties by applying its results on developing new methods and new teaching materials intended for beginners in the literacy process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,702
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,051
Tête enseignante GPT0,376
Écart entre enseignants0,325 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Linguistics ResearchMême sujetReading and Literacy DevelopmentTravaux en français237 207