Lâinfluence des habiletés de motricité fine et des capacités attentionnelles à la\nmaternelle sur les habiletés dâécriture au début de lâécole primaire.
Bibliographic record
Abstract
Nous avons examiné la nature du lien, additif ou interactif, entre les capacités\nattentionnelles et les habiletés de motricité fine et leur influence sur les habiletés\nd’écriture ultérieures. Les mesures de l’échantillon (n=439) de l’étude montréalaise\nsur le préscolaire en milieu défavorisé (MLEPS) à la maternelle incluent des\nquestionnaires aux enseignants, des évaluations sur la connaissance des nombres et\ndu vocabulaire réceptif des élèves et caractéristiques familiales rapportées par les\nparents. En 3ème année, les mesures proviennent de questionnaires aux enseignants.\nSelon les résultats des régressions multiples de notre modèle, un élève qui avait de\nbonnes capacités d’attention ou de motricité fine à la maternelle, avait plus de\nchances d’avoir de bonnes habiletés d’écriture en 3ème année. L’interaction entre\nl’attention et la motricité fine était aussi significative, ce qui signifie que les capacités\nd’attention, avec l’influence des habiletés de motricité fine, prédisent davantage les\nhabiletés d’écriture ultérieure. Il est pertinent de mesurer la réussite scolaire en\nécriture puisque les élèves à l’école peuvent investir de 31 à 60% de leur temps à\nréaliser des tâches motrices et 85% de celles-ci incluraient un crayon et du papier\n(McHale & Cermak, 1992). L’écriture serait aussi importante que les mathématiques\net la lecture pour la réussite scolaire (Cutler & Graham, 2008). En identifiant les\néléments clés de la réussite en écriture, nous pourrons mieux intervenir et soutenir les\nélèves, et ainsi, nous pourrions augmenter leurs chances de vivre des expériences\npositives à l’école, d’obtenir un diplôme et d’ intégrer le marché du travail.
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 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 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".