La contribution des gènes et de l'environnement aux différentes composantes de l'écriture chez les adolescents de 15 ans
Bibliographic record
Abstract
L'écriture est le moyen le plus utilisé pour évaluer les connaissances scolaires des étudiants de niveau secondaire et une maîtrise insuffisante de cette habileté peut entraîner l'échec ou le décrochage scolaire. Différentes études ont cherché à comprendre la contribution des gènes et de l'environnement aux différences individuelles dans les habiletés en écriture. Toutefois, la majorité de ces études porte sur une seule composante de l'écriture qui est généralement l'orthographe. L'objectif de la présente étude est de déterminer l'importance relative des facteurs génétiques et environnementaux quant aux habiletés générales en écriture, ainsi qu'à ses différentes composantes chez les adolescents francophones. Pour ce faire, une analyse de la contribution des gènes et de l'environnement aux différentes composantes d'écriture a été réalisée en ayant recours aux données au sous-test Expression écrite du WIAT-II recueillies auprès de 639 jumeaux francophones âgés de 15 ans (395 jumeaux monozygotes et 244 jumeaux dizygotes) de l'Étude des jumeaux nouveau-nés du Québec. Les résultats révèlent une héritabilité significative pour les habiletés générales en écriture, ainsi que pour l'orthographe, le vocabulaire, la syntaxe et les idées et contenu (as² = .26-.71). Les seules composantes de l'écriture mesurées qui ne sont pas associées aux facteurs génétiques sont la morphologie flexionnelle et la fluidité verbale à l'écrit. En ce qui concerne les facteurs environnementaux, les facteurs de l'environnement unique contribuent aux habiletés générales en écriture, ainsi qu'à toutes ses composantes mesurées (es² = .29-.90), alors que le rôle des facteurs de l'environnement partagé n'est pas significatif (cs² = .02-.14).
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".