L'utilisation dans l'apprentissage scolaire des données produites en approche grammaticale raisonnée sur la hiérarchisation des parties nominales du discours
Bibliographic record
Abstract
Les propos présentés dans ces pages ont pour objectif de tirer d'un ensemble de données sur les parties du discours les notions réellement utiles aux maîtres dans leur enseignement des habiletés d'identification de la nature des mots. Il y est d'abord présenté des données historiques quant à la nature des mots, avec au passage quelques commentaires supplémentaires au regard des différents grammairiens dont les contributions ont été retenues, le tout dans une optique de culture historique. La deuxième partie des propos s'attarde à présenter les analyses d'une approche encore peu connue, l'approche raisonnée, relativement aux parties du discours que sont le nom, l'adjectif, l'adverbe, la préposition et les conjonctions de subordination et de coordination. Ces analyses ouvrent une voie prometteuse dans laquelle c'est le choix de cette recherche de s'engager. Enfin, dans une dernière partie, un effort est tenté de circonscrire les notions dans lesquelles tout maître devrait puiser la matière première de ses enseignements des habiletés d'identification de la nature des mots. \n
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.020 | 0.006 |
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".