L'analyse de livres gradués (Escalire) par entremise du système d’analyse de texte par ordinateur (SATO)
Bibliographic record
Abstract
Une série de livres gradués a été créée pour permettre aux élèves d’accéder à des livres correspondant à leurs habiletés en lecture (Éditions Passe-Temps, 2014). Cette série, nommée Escalire, contient 156 livres au total, qui sont répartis en 15 niveaux, soit de A à O. Cette échelle correspond aux niveaux établis par Fountas et Pinnell (2012). Cette série de livres gradués consiste en un programme d’intervention en lecture ciblant les élèves de la première à la quatrième année du cycle primaire. De tels programmes d’intervention en lecture peuvent mener l’élève vers l’acquisition et l’amélioration de la lecture en fonction de ses habiletés et son niveau scolaire. L’objectif de cette étude était de déterminer s’il y a corrélation entre les niveaux de lecture attribués aux livres de la série Escalire et le niveau de complexité indiqué par le système d’analyse de texte par ordinateur (SATO), pour ces mêmes livres. Les résultats ont démontré une corrélation modérée (r = 0.668, p < 0,001) et un pourcentage d’accord de 35,26 %. Somme toute, 95,51% des livres de la série Escalire se sont trouvés soit au niveau correspondant à l'échelle SATO ou à un niveau près (soit un niveau supérieur ou inférieur à ce qui a été proposé par SATO). Mots Clés : Escalire, livres gradués, échelle de lecture Fountas et Pinnell, niveau de complexité, SATO
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 | 0.011 | 0.053 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.003 |
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".