MétaCan
Menu
Retour à la cohorte
Enregistrement W4415828066 · doi:10.37571/2025.0305

Les jeunes présentant un trouble du développement intellectuel possèdent-ils des connaissances en morphologie dérivationnelle ? Une piste prometteuse pour soutenir l’apprentissage de la lecture

2025· article· fr· W4415828066 sur OpenAlexvenueno aff
Nathalie Marec‐Breton

Notice bibliographique

RevueDidactique · 2025
Typearticle
Languefr
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiological evolutionAnimal productionMycetoma

Résumé

récupéré en direct d'OpenAlex

L’objectif de cette recherche exploratoire est d’apporter des éléments sur les connaissances morphologiques dérivationnelles des personnes avec un trouble du développement intellectuel (TDI). Trois épreuves ont été retenues pour apprécier leurs connaissances : une tâche implicite de plausibilité lexicale, une tâche explicite d’identification d’intrus morphologique et une tâche explicite de production de néologismes. Ces épreuves ont été proposées à 15 jeunes (âge moyen : 17 ans et 5 mois) avec un TDI et leurs performances ont été comparées à celles de 15 enfants neurotypiques (âge moyen : 7 ans et 1 mois) de même niveau de lecture. Les analyses non paramétriques (Mann-Whitney) indiquent que les jeunes avec un trouble du développement intellectuel possèdent, à l’instar d’élèves de Cours Préparatoire, des connaissances dérivationnelles. En effet, ils choisissent préférentiellement l’item construit morphologiquement à la tâche de plausibilité lexicale, parviennent à identifier les intrus morphologiques dans plus de 60 % des cas et créent quelques dérivés à la tâche de production de néologismes. Enfin, les analyses de corrélations mettent en avant des liens entre les connaissances explicites et la littératie. Les implications pédagogiques potentielles seront discutées.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,342
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDidactiqueMême sujetReading and Literacy DevelopmentTravaux en français237 207