Étalonnage du test Numeracy Screener chez une population française d'enfants scolarisés en CM2 et 6ème
Bibliographic record
Abstract
La dyscalculie primaire affecte les processus numériques de base. Il est donc essentiel que les outils diagnostiques évaluent les habiletés numériques de base telle que la comparaison de magnitude numérique. Le test Numeracy Screener créé par Nosworthy et Ansari est composé de deux tâches de comparaisons de magnitude numérique, l’une symbolique, l’autre non symbolique. Il a été normé chez une population canadienne d’enfants de 5 à 8 ans. Nous voulions créer des normes chez une population française et déterminer si cet outil permettait de mettre en évidence des différences entre des enfants de 10 à 12 ans, et entre des enfants d’une même classe. Nous avons fait passer ce test à 215 enfants tout-venant de 10 à 12 ans scolarisés en France ainsi qu’à un groupe de 12 enfants dyscalculiques. Nous avons observé des différences significatives entre les enfants de CM2 et de 6ème, ce qui suggère que le test permet de mettre en évidence les changements développementaux du traitement de magnitude numérique. Nous avons comparé les scores obtenus par les enfants tout-venant à ceux obtenus par les enfants dyscalculiques, mais nous n’avons pas pu mettre en évidence de différences significatives entre les deux groupes pour aucune des classes. En conclusion, ce test permet de mettre en évidence des différences entre des enfants de 10-12 ans et de comparer des enfants d’une même classe. Cependant, une étude complémentaire est nécessaire pour vérifier l’intérêt d’un tel outil pour dépister les troubles de type dyscalculie primaire chez les enfants de cet âge.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".