Oral-écrit : quelle articulation dans les productions de récits au primaire ? Une revue systématique de la littérature
Notice bibliographique
Résumé
Si la recherche et le corps enseignant peuvent s’entendre sur la complémentarité de l’oral et de l’écrit dans l’apprentissage de la langue de scolarisation, les contenus et les démarches de l’enseignement de la production orale améliorant effectivement le passage à l’écrit sont encore peu connus. La présente contribution interroge ce constat grâce à une revue systématique de la littérature qui vise à comprendre les éléments favorisant l’articulation d’un travail de l’oral et de l’écrit à l’école primaire dans le cadre de la production de narrations. L’analyse des neuf textes sélectionnés à l’issue d’une recherche dans cinq bases de données anglophones et deux francophones montre, alors même que le récit oral est peu travaillé dans les classes de primaire, que les compétences en narration orale sont un facteur prédictif des compétences narratives écrites. Selon les études consultées, c’est sur le plan de la structure narrative que l’enseignement du récit à l’oral a le plus d’effets significatifs à l’écrit.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,017 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».