La validité prédictive de deux outils de dépistage des enfants francophones d’âge préscolaire à risque de développer des difficultés de lecture et d’écriture
Bibliographic record
Abstract
Afin d’identifier efficacement les enfants à risque de développer des difficultés en lecture et en écriture, les dépistages doivent tenir compte : (1) des facteurs de risque qui sont inhérents à l’enfant et son milieu de vie (p.ex. un faible niveau de scolarité maternel) et (2) des facteurs de protection constitués des habiletés d’éveil à l’écrit qui prédisent le succès ultérieur en lecture et écriture (p.ex. : la conscience phonologique) (Justice, Invernizzi et Meier, 2002). Plusieurs écoles québécoises utilisent un questionnaire parental, pour documenter les facteurs de risque, en combinaison avec le Dépist’Écrit, un outil pour mesurer le développement des habiletés d’éveil à l’écrit. Le Dépist’Écrit est une adaptation francophone du Get Ready To Read (GRTR) qui est accessible gratuitement en ligne. Cependant, la validité prédictive de ces outils demeure inconnue. La présente étude vise à déterminer la validité prédictive de ces deux outils et à vérifier si la combinaison de ces deux outils permet de mieux identifier les enfants à risque que l’un ou l’autre des outils utilisés individuellement. Pour ce faire, les résultats de plus d’une centaine élèves entrant à la maternelle dans une commission scolaire du Québec seront mis en relation avec leur performance à des épreuves subséquentes de réussite en apprentissage de l’écrit. La validité prédictive du Dépist’Écrit devrait être bonne étant donné qu’il s’agit d’une adaptation francophone d’un outil anglophone dont la validité prédictive est reconnue. Selon les recommandations de Bishop et League (2006), la combinaison des deux outils devrait améliorer la validité prédictive du dépistage précoce des enfants à risque.
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 | 0.017 | 0.039 |
| 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 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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.
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".