Apprendre à lire dans une langue seconde : recherche, implications et recommandations pour les services
Bibliographic record
Abstract
Introduction et sujet Dans les pays d’immigration, comme le Canada, qui promeuvent le multiculturalisme et le bilinguisme, il est important que les educateurs, les intervenants en sante mentale et les decideurs politiques prennent en consideration le developpement normal et problematique du langage et de la litteratie. Surtout chez les jeunes enfants qui developpent leurs habiletes en lecture dans un environnement de langue seconde (L2). Les etudes sur le developpement de la litteratie dans une L2, sur lesquelles se base cette vue d’ensemble, ont ete effectuees dans differents contextes: a) apprendre a parler et a lire dans le langage societal, ce qui diverge tres souvent de la langue parlee a la maison, comme c’est le cas pour les enfants dont l’anglais est la deuxieme langue (EDL); b) la situation propre aux enfants qui suivent les programmes du patrimoine en plus de frequenter l’ecole dans la langue de la societe (anglais ou francais au Canada); ou c) les programmes qui promeuvent la bi-litteratie, comme c’est le cas pour l’immersion en francais ou pour diverses ecoles de jour bilingues. Cet article est un concentre des decouvertes cles et des implications pratiques et politiques tirees de cette recherche. Cette derniere visant a offrir des services aux jeunes enfants L2 qui pourraient avoir des deficiences en lecture.
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 | 0.016 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.011 | 0.007 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 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".