MétaCan
Menu
Back to cohort
Record W225601959 · doi:10.7202/1079108ar

Relation entre les types de services de garde et le développement du langage chez les enfants du préscolaire

2021· article· fr· W225601959 on OpenAlexaffvenueabout
Claire Maltais

Bibliographic record

VenueÉducation et francophonie · 2021
Typearticle
Languagefr
FieldPsychology
TopicHearing Impairment and Communication
Canadian institutionsUniversity of Ottawa
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

Cette étude visait à évaluer les effets de quatre types de services de garde sur le développement langagier de 306 enfants qui suivaient un programme de maternelle quatre ans à demi-temps, dans un conseil scolaire de langue française de l’Ontario. Les enfants étaient répartis selon les quatre types de services de garde : la garde à la maison par un des parents (N=136), la garde à la maison par une gardienne (N=34), la garde chez une gardienne (N=81) et la fréquentation d’un service de garde (N=55). L’évaluation du langage s’est faite à l’aide de l’Échelle de vocabulaire en images Peabody, la version canadienne française du Test for Auditory Comprehension of Language, de questionnaires destinés aux enseignantes (l’Instrument de mesure du développement de la petite enfance) et aux parents (Échelle d’utilisation du français). Les résultats indiquent que les enfants qui fréquentent une garderie ou qui sont gardés à leur domicile par une gardienne ont acquis un niveau de développement du vocabulaire et du langage global supérieur à celui des enfants qui se font garder à la maison par un parent ou qui vont chez une gardienne. Les facteurs pouvant contribuer à expliquer ces différences entre les groupes sont : le temps d’attention et de stimulation; le type d’attention et de stimulation; l’environnement et le type d’activités; ainsi que le type de langage utilisé.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.314
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0030.001

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.

Opus teacher head0.030
GPT teacher head0.325
Teacher spread0.295 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations5
Published2021
Admission routes3
Has abstractyes

Explore more

Same venueÉducation et francophonieSame topicHearing Impairment and CommunicationFrench-language works237,207