Effets d’un modèle de situations d’apprentissage issues du jeu sur l’émergence de l’écrit chez les enfants à l’éducation préscolaire 5 ans
Bibliographic record
Abstract
Cette étude visait à établir les effets d’un modèle de situations d’apprentissage issues du jeu de faire semblant (SAIJ) sur la progression de certaines habiletés et connaissances reliées à l’émergence de l’écrit chez les enfants de l’éducation préscolaire 5 ans. Une recherche quasi expérimentale adoptant un devis prétest/intervention/posttest a été menée auprès de 363 enfants répartis en 2 groupes. Les enseignant[e]s du groupe expérimental ont appliqué le modèle de SAIJ lors de la phase d’expérimentation, alors que les enseignant[e]s du groupe de contrôle optaient pour un enseignement direct et de type scolaire des prérequis de la lecture et de l’écriture. Cette recherche a démontré qu’un modèle de SAIJ produit de meilleurs résultats en ce qui concerne le développement des connaissances et des habiletés reliées à l’émergence de l’écrit qu’un enseignement direct et de type scolaire. Les résultats indiquent que ce modèle est tout particulièrement performant pour le développement de l’aspect fonctionnel du langage écrit et qu’il est au moins aussi performant pour les aspects conventionnel et sonore que l’enseignement direct. Il s’est également avéré que l’âge et les habiletés de jeu sont positivement associés avec la progression de l’émergence de l’écrit, alors que le sexe ne l’est pas, et ce, peu importe le modèle pédagogique.
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 | 0.005 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".