LA LETTRE DE L’AIRDF . n° 72, octobre 2023, dossier « Écrire pour parler, parler pour écrire » . coordonné et présenté par Anass El Gousairi, Florence Mauroux, Caroline Scheepers & Kathy Similowski.
Bibliographic record
Abstract
REVUE DES REVUESANAE, n° 186, 2023, dossier « Apprendre à écrire et ses troubles -Évaluer -Remédier », coordonné et présenté par Jérémy Danna & Florence Bara, L'écriture fascine de nombreuses communautés, entre autres les professionnels qui l'enseignent, mais aussi ceux qui s'occupent de ses troubles et de son (ré)apprentissage, et au-delà la communauté des chercheurs qui en étudient les multiples composantes pour mieux la comprendre.Si, aujourd'hui, l'écriture manuscrite est considérée comme moins naturelle que la parole, c'est sans doute parce que sa maitrise passe par un apprentissage formel extrêmement long et contraignant, des centaines d'heures de pratique sont nécessaires pour être capable de déplacer rapidement son stylo afin de communiquer aisément.Cet apprentissage est difficile parce qu'écrire est un mouvement parmi les plus complexes de notre répertoire moteur.Chez le jeune apprenant, malgré la complexité de cet apprentissage, le temps qui lui est consacré est extrêmement faible.À en croire le rapport Lire et Écrire de R. Goigoux (2016) d'une étude menée auprès de 131 classes de Cours préparatoire, le constat est atterrant : le temps moyen passé au travail spécifique sur le geste graphique n'occupe que seize minutes en moyenne du temps hebdomadaire.Il n'y a malheureusement aucune donnée aujourd'hui sur le pourcentage précis d'enfants en difficulté sur le plan graphomoteur, mais fort est à parier qu'il dépasse à présent les 5 % sur lesquels se construisent habituellement les tests diagnostiques.Pour contribuer à résoudre ses difficultés, le présent dossier propose de faire le point sur les travaux menés par des chercheurs francophones autour de l'évaluation de l'écriture et de ses éventuels troubles, via une analyse du processus d'écriture par-delà la trace écrite.L'ensemble des travaux de ce numéro montre également combien l'utilisation des tablettes graphiques et numériques présente un potentiel énorme pour mieux comprendre les mécanismes permettant de produire de l'écriture manuscrite, de mieux évaluer ses éventuels troubles, afin d'y remédier.Au sommaire : « Avant-propos : Apprendre à écrire et ses troubles -Évaluer -Remédier » par J. Danna & F. Bara ; « Outils d'évaluation de l'écriture chez l'enfant : revue de littérature » par F. Puyjarinet & C. Jolly ; « Quelles pratiques pour les professionnels de santé et de l'éducation ?Une recherche exploratoire au service de la conception d'outils numériques pour l'écriture » par L. Miramand, F. Basma, N. Bonneton-Botté, R. Bailly & C. Pons ; « Le light painting : un outil artistique au service de l'apprentissage de nouvelles lettres chez l'enfant ?» par J.-F.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.054 | 0.011 |
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".