Effets d’un entraînement à la production de <i>Twoutils</i> sur la réussite de l’accord sujet-verbe chez des élèves de 3<sup>e</sup> année du primaire
Bibliographic record
Abstract
L’objectif de cette étude est d’examiner dans quelle mesure un entraînement à la production de Twoutils (caractéristiques du dispositif Twictée conçu par des enseignants et mis en place dans de nombreuses classes de primaire) améliore la réussite de l’accord sujet-verbe, chez des élèves de 3e année du primaire, encore novices. Pour ce faire, il a été demandé à 63 élèves de compléter à l’écrit les verbes d’une série de phrases dont le nombre (singulier-pluriel) du nom-sujet et sa distance syntaxique par rapport au verbe (proche-distant) variaient. La comparaison des performances avant, immédiatement après et un mois après trois types d’entraînement (grammatical avec production de Twoutils ; grammatical sans production de Twoutils ; arithmétique - contrôle) montre un effet immédiat des entraînements grammaticaux alors que seul l’entraînement grammatical avec production de Twoutils suscite un maintien des performances un mois après, seulement dans le cas de phrases pour lesquels le nom-sujet est distant du verbe. Ces résultats sont discutés dans le contexte des interventions en classe basées sur les pratiques du métalangage.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 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) | 0.011 | 0.002 |
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".