L'évaluation de la conscience morphologique: proposition d'une typologie des tâches
Bibliographic record
Abstract
L’étude du rôle de la conscience morphologique dans le développement de la lecture et de la reconnaissance des mots a connu ces dernières années un essor important. Depuis les quinze dernières années, un nombre grandissant de recherches suggèrent que les apprentis lecteurs prennent en compte, très tôt, la structure morphologique des mots. Ce qui ressort de la recension de ces recherches est qu’il n’existe pas d’uniformité par rapport à l’utilisation des tâches utilisées pour évaluer la conscience morphologique. En effet, la manière dont les auteurs qualifient les tâches qu’ils utilisent varie grandement d’une étude à l’autre. L’objectif principal de cet article est de proposer une typologie regroupant les diverses tâches de conscience morphologique recensées en fonction de l’opération mentale qu’elles sollicitent. Au total, dix catégories de tâches ont été établies; ces tâches seront présentées en fonction des appellations utilisées pour les désigner, des objectifs qui leur sont associés, des conditions expérimentales qui les caractérisent, des principaux effets recherchés (âge, niveau de lecture…) et du type de matériel relié à l’utilisation de ces tâches. Cette typologie devrait permettre de clarifier et d’uniformiser les différentes tâches de conscience morphologique et de faciliter le travail des chercheurs qui s’intéressent à ce domaine.
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 | 0.005 | 0.027 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".