Ces enfants qui souffrent en silence de la dyslexie : un diagnostic méconnu, souvent tardif et confondu avec le TDAH
Bibliographic record
Abstract
Les troubles d’apprentissage de la lecture sont encore trop méconnus et incompris d’un bon nombre de professionnels qui oeuvrent auprès de ces enfants qui tentent de surmonter l’insurmontable, soit apprendre à lire. Cet article propose une recension de la documentation scientifique récente sur la dyslexie. Il vise précisément à informer les professionnels des milieux scolaires et de la santé des modèles théoriques de ce trouble d’apprentissage et des déficits cognitifs à observer pour mieux le dépister et l’évaluer en vue d’une rééducation spécialisée. En raison des comportements de distraction et d’inattention qu’elle peut engendrer, la dyslexie peut semer la confusion et être perçue à tort comme le reflet d’un trouble déficitaire de l’attention. Cet article tente aussi de départager les caractéristiques de chacun de ces troubles. En conclusion, les auteurs soulignent l’importance d’un dépistage précoce des difficultés d’acquisition de la lecture afin d’offrir le plus tôt possible aux enfants qui en souffrent, les interventions dont ils ont besoin pour assurer leur réussite scolaire.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".