La qualité de l’environnement physique et interactif de classes de maternelle 4 ans à temps plein en milieu défavorisé : regard sur la place octroyée aux livres et à la lecture au sein de six classes
Bibliographic record
Abstract
La littérature scientifique reconnaît la qualité de l’environnement éducatif de la classe comme primordiale pour soutenir l’émergence de l’écrit chez les enfants d’âge préscolaire (Guo et al., 2013). Cette recherche qualitative descriptive vise à brosser un portrait de la qualité de l’environnement éducatif dans ses dimensions physique et interactive au regard des livres et de la lecture au sein de classes québécoises de maternelle 4 ans à temps plein en milieu défavorisé, dont l’environnement éducatif est généralement de bonne qualité. Le groupe de recherche a sélectionné six classes parmi un plus large échantillon de trente classes où on avait évalué la qualité de l’environnement éducatif dans une plus vaste étude. Pour évaluer cette qualité, l’outil d’observation ELLCO Pre-K (Smith et al., 2008) a été utilisé, notamment pour recueillir des données qualitatives issues de : 1) prises de notes pour le domaine « Livres et lecture », 2) photographies des classes et 3) entrevues semi-dirigées menées auprès des enseignantes. Une analyse par catégories conceptualisantes des données qualitatives se rapportant aux livres et à la lecture a permis de dégager des forces, comme la fréquence des lectures interactives animées par les enseignantes, et des défis, notamment au regard de la quantité de livres disponibles au coin 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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".