MétaCan
Menu
Retour à la cohorte
Enregistrement W7113263591

Évaluation d'une intervention d'enseignement explicite des correspondances graphophonémiques sous la forme d'un environnement d'apprentissage informatisé

2025· article· fr· W7113263591 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueR-libre (Université Téluq) · 2025
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueWriting and Handwriting Education
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de Moncton
Mots-clésFrenchPopulationContext (archaeology)Cultural environment
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ce mémoire évalue Graphofolie, une intervention en décodage de lecture sous la forme d’un environnement d’apprentissage informatisé (EAI), par l’entremise d’une démarche de recherche axée sur le design. Graphofolie permet d’enseigner les correspondances entre les graphèmes (les lettres) et les phonèmes (les sons) de manière explicite en utilisant une approche multisensorielle. Il a été conçu pour les élèves de la 4e à la 6e année du primaire éprouvant des difficultés en lecture liées au décodage du texte. Une première itération de Graphofolie a été conçue dans le cadre du cours TED 6313 Projet d’ingénierie technopédagogique à l’Université TÉLUQ, ce qui a permis de produire les devis. Une deuxième itération (le premier prototype) a été développée à l’été 2021 et mise à l’essai en 2021-2022, dans un contexte de travail. Une troisième itération, objet de ce mémoire, a évalué un prototype amélioré de Graphofolie pour déterminer son potentiel de déploiement à plus grande échelle et guider son amélioration continue. Pour cette évaluation, nous avons retenu le modèle Kirkpatrick à quatre niveaux (Kirkpatrick, D. & Kirkpatrick, J., 2006). L’évaluation de Graphofolie a eu lieu au cours de l’année scolaire 2022-2023 dans une école primaire francophone publique en Alberta. L’école se situe en milieu minoritaire linguistique urbain et dessert une population diversifiée aux plans linguistique, ethnique, racial et socioéconomique. L’intervention a été effectuée avec dix élèves, quatre enseignants et des intervenants tels que des bénévoles, la monitrice de langue de l’école et des employés des associations locales offrant des services à l’école. L’analyse de données est basée sur des sondages, des activités réalisées par les élèves au sein de l’EAI, un prétest et un posttest. Des évaluations en lecture effectuées avec le Coffret d’évaluation en lecture GB+ (Smith et al., 2010) ont été analysées. Cependant, des analyses de cet outil ont révélé que les évaluations issues de GB+ ne constituent pas un indicateur de réussite fiable (Léveillé et al., 2015; Minor-Corriveau et al., 2019). Les réponses aux sondages, ainsi que le taux d’achèvement des activités, indiquent que Graphofolie a été généralement bien reçu par les élèves, les intervenants et les enseignants. Des pistes d’amélioration ont été soulevées pour la prochaine itération, telles que rendre l’EAI plus facile à naviguer pour les élèves et améliorer le processus d’enregistrement de la lecture. Les analyses statistiques du prétest et du posttest nous permettent d’affirmer que Graphofolie a été efficace pour enseigner les correspondances graphophonémiques aux élèves ayant participé à l’expérimentation. Nous concluons que Graphofolie peut être une intervention efficace pour les élèves éprouvant des difficultés en lecture liées au décodage. Enfin, le Conseil scolaire Centre-Nord a approuvé le développement de Graphofolie pour les quatre conseils scolaires francophones de l’Alberta pour appuyer l’enseignement en groupe-classe et en sous-groupe.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,923
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,259
Écart entre enseignants0,244 · 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'étudeAutre devis
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'admission2
Résumé présentoui

Explorer davantage

Même revueR-libre (Université Téluq)Même sujetWriting and Handwriting EducationTravaux en français237 207