Le projet LIAM pour favoriser le développement du vocabulaire de l’élève ayant un trouble du langage oral durant l’été
Bibliographic record
Abstract
Pendant les vacances d’été, l’arrêt de l’enseignement de la lecture et de l’écriture entraine une baisse de l’apprentissage (Kim et Quinn, 2013). En effet, lire et écrire moins régulièrement pendant deux mois a un effet négatif sur le maintien des compétences et des apprentissages des élèves. Ce fait, observé par plusieurs enseignants, a été identifié comme étant la " glissade de l’été " (Royer, 2012). L’élève ayant un trouble développemental du langage (TDL) a des difficultés importantes sur le plan de l’expression et de la compréhension du langage (Leclercq et Leroy, 2012). Au niveau lexical, pour la plupart de ces élèves, ce trouble se manifeste par un vocabulaire limité et des difficultés à apprendre de nouveaux mots. Comme le vocabulaire joue un rôle déterminant dans la communication, la compréhension et la réussite scolaire (Ganske, 2023), il importe de favoriser son développement par des interventions spécifiques. Aussi, au cours de l’été 2023, nous avons réalisé une étude quasi expérimentale auprès de 13 élèves fréquentant une classe de langage. L’objectif général de cette recherche est d’analyser l’impact d’un programme d’intervention de lecture interactive d’histoires, dans différents contextes, sur le maintien des apprentissages en lecture et au niveau du vocabulaire, durant la période des vacances d’été. Deux contextes sont analysés : les activités à la maison avec le parent et les activités à la bibliothèque municipale avec une animatrice. Les résultats révèlent que les élèves ayant un TDL ont maintenu leurs capacités à lire des mots et ils ont amélioré leur vocabulaire. Les élèves ayant réalisé les activités avec leur parent durant l’été ont fait des progrès statistiquement significatifs. Ainsi, lire durant l’été avec l’élève ayant un TDL favorise le maintien des apprentissages, ce qui facilitera le retour en classe, en septembre.
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 | 0.010 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 0.009 |
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".