Les discussions lexicales en contexte d’oral réflexif : un moyen de réduire les disparités entre les élèves à risque et leurs pairs ?
Notice bibliographique
Résumé
Dans une perspective préventive visant à réduire les disparités lexicales entre élèves du primaire, nous avons mené une étude basée sur l’enseignement direct du vocabulaire (explication par l’enseignante de mots rencontrés en lecture, suivie d’activités de consolidation). Notre démarche méthodologique visait à comparer les apprentissages lexicaux des élèves selon diverses variables (approche de consolidation des mots, profil des élèves, type d’étayage fourni par l’enseignante). Nos résultats, issus de données quantitatives (pré/posttests) et qualitatives (journaux de bord, entretiens, vidéos) démontrent qu’une approche de consolidation des mots en oral réflexif se révèle significativement favorable en ce qui a trait à la capacité des élèves, indépendamment de leur profil, à rappeler à l’oral le sens des mots ciblés ainsi qu’à récupérer en mémoire leur forme orale. Ils ne permettent toutefois pas de conclure que l’étayage soutenu offert aux élèves à risque a contribué à réduire l’écart lexical entre ceux-ci et leurs pairs non à risque.
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 | 0,011 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».