Mise à l’essai d’un dispositif renouvelé d’enseignement de l’orthographe auprès d’élèves d’un lycée professionnel en France
Bibliographic record
Abstract
L’apprentissage de l’orthographe française constitue une pierre d’achoppement importante chez les élèves (Manesse et Cogis, 2007). Les difficultés qu’ils rencontrent sont notamment dues à la polyvalence graphique du français et à sa morphologie silencieuse, ce qui se traduit par la présence de nombreuses lettres muettes (Fayol et Jaffré, 2008). Dans ce contexte, certains dispositifs, tels que les ateliers de négociation graphique (Haas et Maurel, 2009) et les dictées métacognitives (Nadeau et Fisher, 2014a), et certaines approches, telles qu’une approche intégrée d’enseignement de l’orthographe (Allal et al., 2001), semblent avoir un effet positif sur le développement de la compétence orthographique des élèves. Dans notre recherche, nous proposons de concevoir et de mettre à l’essai, auprès d’élèves d’un lycée professionnel en France, un dispositif d’intervention s’inspirant de ces interventions et adapté au profil des élèves de notre échantillon. Les effets de la mise en oeuvre du dispositif sur la compétence orthographique des élèves sont mesurés au moyen d’une dictée et d’une production écrite. Nous constatons ainsi que le dispositif expérimenté tend à favoriser le développement de la compétence orthographique des élèves, notamment pour ce qui est des accords adjectivaux et verbaux et de l’orthographe des suffixes adverbiaux en –ment. Des pistes d’adaptation du dispositif mis à l’essai sont suggérées.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".