Mise sur pied d’une mesure de la compréhension de textes en langue seconde
Bibliographic record
Abstract
La technique de vérification de phrases (TVP) (Royer, Hastings et Hook, 1979) est utilisée par des enseignants pour vérifier la lisibilité de textes destinés à leurs étudiants. Après la lecture de courts textes, les participants doivent indiquer si le sens d’énoncés qui leur sont présentés correspond à ce qu’ils ont lu. Ces énoncés consistent en des modifications de phrases du texte (paraphrase, changement de sens), en des phrases intactes ou en l’ajout de leurres. Cet article présente la mise sur pied d’un premier test TVP pour mesurer l’habileté en compréhension en lecture de l’anglais langue seconde. Quatre textes sur des sujets distincts d’intérêt général, de 12 phrases chacun, ont été soumis à deux échelles de lisibilité. À la lumière de recherches antérieures, l’article présente les étapes de l’élaboration de cet instrument, suivi de la mise à l’essai auprès de plus de 200 universitaires francophones apprenant l’anglais comme langue seconde. Pour les chercheurs, les tests standardisés actuels ne sont pas en accès libre ce qui, de ce fait, occasionne des coûts; par ailleurs, ils sont longs à compléter. Compte tenu des résultats de cette mise à l’essai, notre instrument semble être une alternative prometteuse à des tests standardisés pour mesurer l’habileté de compréhension en lecture de l’anglais L2.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.014 | 0.075 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".