Le rappel du texte au 2e cycle du primaire : une recherche-développement
Bibliographic record
Abstract
Le rappel de texte est considéré par plusieurs chercheurs comme étant l'une des manières les plus efficaces d'évaluer le degré de compréhension en lecture des élèves.Cette tâche, qui consiste à raconter dans ses mots, à l'oral ou à l'écrit, un texte lu ou entendu, sans l'avoir sous les yeux, amène les élèves à sélectionner les informations importantes et à les organiser Dans le but d'aider les enseignants à enseigner les macroprocessus, un outil intégrant les albums de littérature jeunesse résistants sera créé.La méthodologie envisagée, qui s'inscrit dans une démarche de recherche-développement, prévoit analyser le contenu des manuels.Par la suite, un questionnaire d'entrevue à questions fermées destiné à connaitre les pratiques de dix enseignants et professionnels de la lecture sera élaboré et validé.Puis, vingt albums de littérature jeunesse ayant des caractéristiques permettant de solliciter les macroprocessus lors de tâches de rappel seront sélectionnés.Des grilles d'observation et d'évaluation de rappels de textes seront ensuite élaborées.Finalement, cet outil sera mis à l'essai durant une année scolaire.Les retombées envisagées sont une évaluation plus diversifiée qui rend compte du réel degré de compréhension en lecture des élèves du 2e cycle du primaire et des dispositifs d'enseignement plus variés dans les classes. Mots-clés : compréhension en
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 | 0.008 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 0.006 |
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".