Influence des traitements graphomoteurs sur la production orthographique de mots isolés chez des élèves francophones du primaire
Bibliographic record
Abstract
Cette recherche doctorale, inscrite dans le champ de la psychologie cognitive, avait pour objectif d’évaluer l’influence des traitements graphomoteurs sur les traitements orthographiques au cours de la production écrite de mots isolés chez des élèves francophones du primaire. Trois études ont été menées dans le cadre de la théorie capacitaire (McCutchen, 1996), tant en France qu’au Québec, afin de confirmer et de préciser la nature de cet effet bottom-up de la graphomotricité sur l’orthographe lexicale. Dans l’ensemble, les résultats montrent qu’une augmentation du coût cognitif des traitements graphomoteurs capte les ressources cognitives disponibles en mémoire de travail pour le maintien et le rafraîchissement des représentations orthographiques stockées temporairement dans le buffer graphémique, où elles subissent un déclin temporel. À notre connaissance, cette recherche doctorale est la première à montrer que l’effet bottom-up de la graphomotricité sur la réussite orthographique se localise au niveau du buffer graphémique, une instance mémorielle située à l’interface entre les processus centraux et les processus périphériques de l’écriture. Sur le plan pratique, les résultats obtenus soulignent la nécessité des interventions éducatives précoces visant l’automatisation des programmes moteurs, afin de réduire le coût cognitif des traitements graphomoteurs au profit des traitements orthographiques.
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 | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 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) | 0.012 | 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".