Littéracie et entrée dans l’écrit
Bibliographic record
Abstract
La question de l’apprentissage de compétences « littéraciques » représente un véritable enjeu dans les systèmes éducatifs, particulièrement en France où les résultats des enquêtes internationales démontrent que la France n’arrive pas aussi bien que d’autres pays à réduire les inégalités scolaires. Les pratiques de lecture et d’écriture au début de l’école élémentaire sont aussi un lieu de débat théorique tant dans les méthodes d’observation, de recueil et d’analyse de données des pratiques enseignantes que dans l’évaluation des acquis des élèves et la mesure de leurs progressions. Les différents articles articulent analyse des pratiques enseignantes et effets sur l’apprentissage en s’appuyant sur la linguistique, les sciences de l’éducation et la didactique du français. Florence Mauroux, Claudine Garcia-Debanc et Karine Duvignau proposent une grille d’analyse des interactions entre l’enseignant et les élèves, afin de mieux comprendre les actions de l’enseignant et leurs effets sur l’apprentissage de l’écriture en première année du primaire. Les compétences d’élèves de 1re année en lecture et en écriture en contexte québécois sont étudiées par Isabelle Montésinos-Gelet, Marie Dupin de Saint-André et Annie Charron, à partir des résultats d’un dispositif d’apprentissage à la lecture littéraire auprès d’élèves allophones. Catherine Frier et Anne Vadcar s’intéressent aux différentes façons d’investir et d’aborder la lecture d’albums au CP en dégageant les critères d’une expertise professionnelle. Les conditions de l’acculturation à l’écrit en début de scolarité sont étudiées par Marianne Tiré, Véronique Miguel Addisu et Catherine Frier. Jessy Martin et Nathalie Lavoie évaluent l’influence d’une pratique d’analyse de mots, combinée ou non à la copie de mots, sur le développement des compétences en orthographe lexicale de scripteurs débutants. Dans le domaine de l’apprentissage de l’écriture, Samantha Ruvoletto analyse les problèmes de segmentation à l’écrit posés par les phénomènes de resyllabation à l’oral et propose un enseignement adapté. REMERCIEMENTS Ont été sollicités pour évaluer les articles de ce numéro thématique : Élisabeth Bautier, Stéphane Bonnery, Marie-Line Bosse, Catherine Brissaud, Ana Dias-Chiaruttini, Jean-Louis Dufays, Céline Dugua, Catherine Frier, Claudine Garcia-Debanc, Francis Grossmann, Loïc Liégeois, Laurent Lima, Catherine Pellenq, Céline Piquée, Bruno Suchaut. Et pour la rubrique Varia : Isabelle Delcambre, Jean-François de Pietro, Marie-Laure Elalouf, Marie-Christine Pollet, Françoise Raby, Denyse Toffoli.
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 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.013 | 0.013 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.021 | 0.004 |
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".