Influence de l’apprentissage de l’écrit lors d’une tâche de répétition de mots et de logatomes, avec lecture labiale et sans lecture labiale, chez des enfants de 4 à 8 ans
Bibliographic record
Abstract
Les recherches de ces trente dernières années ont mis en évidence des liens étroits entre la capacité métaphonologique et l’apprentissage de l’écrit. Afin de comprendre comment se développent ces deux processus, nous avons appréhendé deux variables des compétences métaphonologiques, auprès de jeunes enfants, en apprentissage de l’écrit. La variable répétition de mots versus répétition de logatomes nous permet de tester l’impact de l’écrit sur la répétition des phonèmes en contexte lexical (répétition de mots) et sans contexte lexical (répétition de logatomes). La variable de la lecture labiale, moins étudiée dans la littérature, a également été testée. La tâche de répétition de mots et de logatomes s’est alors déroulée dans deux conditions : une condition dite « audio-visuelle » où les enfants entendent des mots et des logatomes et voient à la télévision en même temps le visage de l’expérimentatrice. Une condition dite « audio-orale » où des enfants réalisent le même exercice sans support de l’image. Des enfants malvoyants ont réalisé la tâche de répétition dans cette deuxième condition. Les résultats tendent à montrer la pertinence de la distinction.
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 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".