Planificateur ou formulateur ? Mise en évidence de deux stratégies de rédaction à partir d’un support imagé chez des élèves de CE1 et de CM2
Bibliographic record
Abstract
L’objectif de cette recherche est de mieux comprendre le système de contraintes qui pèse sur la rédaction à partir d’un support imagé et de décrire les stratégies rédactionnelles adoptées par des élèves plus ou moins experts face à ces contraintes. Pour ce faire, nous avons évalué et comparé, par une étude de cas, les traitements rédactionnels de deux élèves de CE1 et de deux élèves de CM2 lorsqu’ils rédigeaient un texte narratif à partir d’un même support imagé (ici le « déjà-là »). L’analyse des caractéristiques linguistiques des textes produits a été complétée par une analyse du décours temporel de l’écriture, incluant les comportements de consultation du support imagé au cours de la rédaction. Les résultats mettent en évidence deux stratégies de rédaction à partir d’un même support imagé. L’une accorde la priorité aux traitements orthographiques, au détriment du maintien en mémoire du contenu de l’histoire. L’autre, à l’inverse, privilégie le maintien du contenu au détriment des traitements orthographiques. L’engagement dans l’une ou l’autre de ces stratégies ne semble pas dépendre de l’expertise des jeunes rédacteurs, car elles sont adoptées au CE1 comme au CM2. En conclusion, l’intérêt de ces résultats pour la mise en œuvre pédagogique d’activités rédactionnelles à partir de supports imagés est discuté.
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 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".