Facteurs linguistiques favorisant l’acquisition des phonèmes multigraphémiques chez les élèves québécois bons et faibles orthographieurs de la troisième année du primaire : le cas du phonème multigraphémique /ɛ/
Bibliographic record
Abstract
L'opacité de la langue française a un impact négatif sur l'acquisition de l'orthographe lexicale (Seymour et al., 2003). En effet, la consistance entre les correspondances phonèmes-graphèmes est seulement de 71 % (Fayol et Jaffré, 2008). Le degré d'incertitude face à l'orthographe qui en résulte constitue l'une des principales sources de difficultés en français écrit (Fayol et Jaffré, 2008; Pacton, Fouira et al., 2005). Les facteurs qui favorisent l'acquisition du phonème multigraphémique /ɛ̃/ chez les élèves québécois de troisième année du primaire, faibles et bons orthographieurs sont l'objet de cette étude. Lors d'une tâche de dictée de mots, 509 participants provenant de 31 écoles du Québec devaient orthographier correctement 73 mots comportant le phonème /ɛ̃/. Nous nous sommes intéressés à la réussite orthographique des graphèmes suivants : « in », « im ». « ain », « ein » et « en ». L'effet de facteurs linguistiques sur l'acquisition des différents graphèmes a été étudié selon les groupes d'élèves, faibles et bons orthographieurs. Les facteurs lexicaux et sous-lexicaux suivants ont été analysés : consistance, fréquence et longueur du mot; types de graphèmes; consistance phonographémique; régularités graphotactiques (position, contexte d'utilisation et voisinage du graphème) et régularités morphologiques dérivationnelles. À la lumière de recherches théoriques et empiriques sur le sujet, la présente recherche permet de constater que la fréquence et la consistance des mots ne jouent pas un rôle significatif, alors que la consistance et le positionnement des graphèmes jouent un rôle très significatif dans l'acquisition des phonèmes multigraphémiques. De plus, les résultats suggèrent que les élèves faibles orthographieurs réussissent beaucoup mieux à orthographier les graphèmes associés aux phonèmes multigraphémiques lorsqu'ils sont dérivables et que les mots sont courts. Toutefois, contrairement aux élèves bons orthographieurs, ils peinent à intégrer les régularités graphotactiques contextuelles. Cette thèse a des retombées importantes aux plans scientifique et social. Des propositions concrètes ressortent des résultats de recherche, tant pour les bons orthographieurs que pour les faibles orthographieras, favorisant ainsi l'acquisition des phonèmes multigraphémiques et la réussite scolaire de tous les élèves. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Acquisition de l'orthographe lexicale, multigraphémie, régularités graphotactiques, morphologie dérivationnelle
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".