Notice bibliographique
Résumé
Les orthophonistes travaillent souvent avec des clients chez qui l’une ou plusieurs de leurs langues ne peuvent être évaluées pour de différentes raisons. Nous avons proposé l’usage d’une tâche expérimentale bien établie, la tâche de fluence verbale, à utiliser lorsque l’utilisation d’un outil normalisé n’est pas possible. À travers d’une série d’analyses, 193 enfants et adolescents unilingues et multilingues ont été évalués avec des évaluations de vocabulaire et de fluence verbale. Les participants étaient exposés à de différentes combinaisons de langues et ont été testés au Canada (anglais, français) et en Islande (islandais, anglais, autres langues). D’abord, des mesures de fluence verbale ont été évaluées en tant que prédicteurs de taille de vocabulaire dans des langues pour lesquelles la taille de vocabulaire pouvait être mesurée directement (n = 193). Les prédicteurs ont inclus des mesures bien établies (nombre de mots corrects, taille moyenne de cluster, nombre de cluster switches) et une nouvelle mesure modifiée de nombre de mots corrects sur deux tâches de fluence verbale (sémantique et phonémique). En utilisant des régressions linéaires simples sur les données des participants qui ont complété les tâches de fluence verbale ainsi que les évaluations de vocabulaire, les deux mesures de mots corrects (traditionnelle et modifiée) étaient les meilleurs prédicteurs de scores de vocabulaire. De manière innovante, nous avons ensuite étendu nos analyses à des langues pour lesquelles la taille de vocabulaire ne pouvait être mesurée (n = 36). Dans ces langues, des auto-évaluations de la performance ont été utilisée au lieu d’évaluations de vocabulaire. Encore une fois, la fluence verbale a prédit la performance. En plus d’évaluer la valeur de mesures traditionnelles, nous avons étudié les réponses de nouvelles manières, incluant l’usage de mots non-fréquents et de traductions et la performance longitudinale, ainsi que l’implication de ces mesures pour les connaissances de vocabulaire. Cette thèse supporte l’usage des tâches de fluence verbale comme outil rapide et simple à utiliser comme estimation de connaissances de vocabulaire
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 | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».