Le crayon et le clavier pour écrire au préscolaire et en première année
Bibliographic record
Abstract
Plusieurs études se sont intéressées à l’utilisation de l’ordinateur comme outil pédagogique pour améliorer la compétence à écrire des élèves de même qu’aux productions écrites et aux préoccupations des élèves lorsqu’ils écrivent avec le crayon. Cependant, peu de chercheurs ont comparé ces deux modes d’écriture lors de l’entrée dans l’écrit. On peut donc se demander si les performances en orthographe et les justifications orthographiques de scripteurs débutants seront les mêmes avec le crayon et avec le clavier. On peut également se questionner sur les difficultés qu’ils rencontrent avec les deux outils d’écriture. Cet article présente une étude exploratoire qui a été menée auprès d’élèves de maternelle (5-6 ans) et de première année (6-7 ans). Les enfants ont été rencontrés individuellement pour réaliser une tâche d’écriture avec le crayon et la même tâche avec le clavier de l’ordinateur. Ensuite, les enfants ont été questionnés sur les deux outils d’écriture. Les résultats font ressortir des performances similaires avec les deux outils d’écriture, mais les justifications données par les élèves viennent moduler ces résultats, et une préférence pour l’utilisation du clavier apparaît malgré certaines difficultés.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 0.003 |
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".