Planning and Assessing Word Production to Support Lexical Spelling Learning in Grade 1
Notice bibliographique
Résumé
Learning to spell is a major challenge for beginning writers because they have to develop a great deal of knowledge. Teachers are faced with a challenge as well in that they have to plan the words to be studied and assess the skill level of their students by analyzing the words they produce. The objectives of this study were to measure the lexical spelling success rate of French-speaking Québec students in grade 1 (6-7 years old) in certain spelling fragility areas, to describe the spelling variations that appeared and to discuss the relevance of planning and assessing word production. The research was conducted with 172 students (82 girls and 90 boys) from nine classes in one public urban elementary school. They were administered a dictation exercise using words selected with various criteria. The analysis was conducted on a corpus of 2076 words produced. The researchers then calculated the spelling success rate and the percentage of errors, in addition to doing a fine-grained analysis of the phonographic, orthographic and morphographic productions and the types of errors made (omission, substitution, addition and displacement). The results highlighted changes under way. They also showed that the success rate varies according to the spelling fragility areas being targeted and, surprisingly, that the rate fluctuates for the same fragility areas. The dictation used seems to be an “economical” tool for various reasons, among others because it is easy to administer (requires little time) and the spelling success rate is easy to determine.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».