Evaluation informatisée du vocabulaire chez les enfants de 8 à 11 ans
Bibliographic record
Abstract
Cette étude pilote a pour objectif de construire une nouvelle épreuve informatisée d’évaluation du vocabulaire en langue Française, destinée aux élèves de primaire. Des tâches à choix multiples mesurant l’étendue (i.e., Image) et la profondeur du vocabulaire (i.e., Synonyme, Définition) ont été administrées à 255 enfants. La rapidité et l’exactitude des réponses ont été enregistrées. Comme attendu, les analyses ont révélé que le niveau scolaire, le genre, et la fréquence lexicale des items impactaient les temps de réponse et/ou réponses correctes. Les performances s’améliorent avec le niveau scolaire et pour les mots fréquents. Les filles semblent avoir un vocabulaire plus riche que celui des garçons (e.g., profondeur) et elles semblent moins sensibles à la fréquence des mots que les garçons. Une analyse des qualités psychométriques de l’épreuve a permis de retenir une épreuve en 36 items ayant une consistance interne satisfaisante. Enfin, une analyse factorielle confirmatoire n’a pas permis de mettre en évidence une structure en deux facteurs du vocabulaire (e.g., profondeur, étendue). Les résultats sont discutés en termes de qualité de représentations lexicales et de choix des tâches.
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 | 0.013 | 0.042 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".