Québec Université Laval, Bibliothèque 2016

La situation des garçons à l'école est un sujet omniprésent dans l'actualité des dernières années ; la question de leur réussite est souvent à l'ordre du jour. Le ministère de l'Éducation, du Loisir et du Sport du Québec, de même que des commissions scolaires et des écoles se penchent sur la question et mettent sur pied des initiatives pour améliorer le rendement scolaire des garçons, par exemple, l'utilisation de méthodes d'enseignement et d'évaluation différenciées (MELS, 2006a). D'un point de vue international, des conclusions ont été tirées à partir, notamment, des test PISA (2000) quant à la moins bonne performance des garçons que des filles en lecture. La présente recherche, de nature descriptive, se veut une exploration dans le domaine de l'évaluation de la compréhension en lecture des textes narratifs. Dans cette étude, nous expérimentons un mode d'évaluation qui, dans une perspective plus large de différenciation des pratiques, pourrait améliorer les résultats obtenus par les garçons lors d'épreuves de compréhension en lecture. L'objectif consiste à vérifier si des garçons de 5e secondaire expriment mieux leur compréhension en lecture de textes narratifs lorsqu'ils répondent oralement à des questions de compréhension que lorsqu'ils y répondent par écrit. Pour atteindre cet objectif, nous avons retenu une épreuve d'appoint conçue par le MELS en 2006 et nous y avons soumis 32 élèves issus de deux groupes de français de 5e secondaire d'une école secondaire privée montréalaise, dont 22 sujets à l'épreuve à l'écrit et 10 sujets à l'épreuve à l'oral. Les analyses descriptives des résultats montrent qu'aux questions relevant des macroprocessus et des processus d'élaboration, les garçons évalués par une épreuve à l'oral obtiennent des résultats supérieurs à ceux obtenus par les garçons évalués par une épreuve à l'écrit et même, dans une moindre mesure, à ceux obtenus par les filles évaluées par une épreuve à l'écrit. Quant aux questions relevant des processus d'intégration, les garçons évalués à l'oral obtiennent des résultats plus élevés que les garçons qui ont été évalués par une épreuve à l'écrit, sans toutefois rattraper les filles évaluées à l'écrit. L'analyse des données nous a donc permis de constater que l'évaluation de réponses exprimées oralement lors d'une épreuve de compréhension de textes narratifs peut profiter aux garçons et leur permettre de mieux démontrer leur compréhension que lorsqu'ils sont évalués à partir de leurs réponses écrites. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : lecture, garçons, compréhension en lecture, évaluation à l'oral, enseignement secondaire

Ce mémoire s'intéresse au lien entre la compréhension en lecture et le respect de la prosodie chez le lecteur débutant de deuxième année du primaire. Lire en respectant la prosodie signifie lire avec le rythme et l'expression appropriés. Dans l'introduction, nous présentons le modèle simple de la lecture, le modèle qui a guidé la plupart des études sur la compréhension chez les élèves du primaire, incluant les lecteurs débutants. Nous décrivons pourquoi l'accent mis, dans ce modèle, sur la vitesse de lecture (la fluidité) au détriment du respect de la prosodie est problématique. L'article constituant le centre de ce mémoire présente une étude réalisée auprès d'un échantillon (N=297) d'élèves de deuxième du primaire de milieu défavorisé. En début d'année, ces élèves ont lu deux textes à voix haute et leur compréhension de ces textes a été évaluée par le biais d'une procédure de rappel (les élèves devaient raconter le contenu du texte après l'avoir lu). Leur fluidité (n. de mots lus correctement à la minute) a été consignée et les enregistrements de la lecture ont été utilisés pour dériver deux indices de respect de la prosodie : les pauses inappropriées (c.-à-d. ailleurs qu'aux signes de ponctuation) et le respect de la ponctuation (c.-à-d. la proportion de signes de ponctuation marqués par une pause). Un prédicteur robuste de la compréhension, le vocabulaire à l'oral, est contrôlé dans les analyses. Les résultats indiquent que les élèves qui comprennent le mieux lisent de manière fluide et en faisant des pauses aux signes de ponctuation, mais pas ailleurs. Ces résultats suggèrent qu'il est important d'encourager le lecteur débutant à lire rapidement, mais de manière régulière tout en respectant la ponctuation. Nous abordons, dans la conclusion, les implications de ces résultats pour le modèle simple. Contrairement à ce que prédit le modèle, il n'apparaît pas productif d'encourager les lecteurs débutants à lire le texte le plus rapidement possible. Il semble plutôt préférable de les encourager à lire le texte le plus correctement possible et, en particulier, de respecter la prosodie. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : lecture, compréhension, prosodie, fluidité.

Bien que les stratégies métacognitives des élèves forts soient bien documentées et que l'importance de la métacognition dans la compréhension de lecture soit reconnue, peu d'études décrivent précisément celles des élèves à risque. Les études antérieures se sont surtout attardées aux élèves très faibles et en début de scolarité. Ce mémoire cherche donc à comprendre et documenter les stratégies métacognitives des élèves à risque et plus particulièrement ceux du troisième cycle du primaire. Pour ce faire, cette recherche utilise la méthode du rappel stimulé puisqu'elle permet d'évaluer les stratégies des élèves en contexte authentique de lecture sans toutefois les surcharger cognitivement. Deux entretiens ont donc été réalisés auprès de sept élèves (trois garçons et 4 filles) âgés entre 10 et 11 ans. L'un de ces entretiens a été effectué avec un texte narratif et l'autre avec un texte courant. Les verbatim des entrevues ont ensuite été analysés à l'intérieur de tableaux afin de répertorier les stratégies efficaces, inefficaces et absentes des élèves. À partir de ces tableaux, des portraits individuels de chaque élève ont été élaborés. Malgré la diversité des profils individuels, les résultats de cette recherche démontrent donc que deux profils émergent à partir des verbatim des élèves rencontrés : la première concerne les élèves qui connaissent et utilisent efficacement très peu de stratégies tandis que la deuxième regroupe les élèves qui possèdent un répertoire de stratégies efficaces, mais qui ont du mal à les réguler de façon constante. Finalement, les résultats de cette recherche permettront aux recherches futures et aux praticiens de bâtir de meilleurs outils d'évaluation de la métacognition et de réaliser des interventions en lecture qui répondent mieux aux besoins des élèves à risque. ______________________________________________________________________________

Savoir lire est une compétence qui va de la capacité à décoder des caractères à la compréhension profonde du sens de textes. Avec l'émergence de l'intelligence artificielle, deux questions se posent : Comment peut-on apprendre à une intelligence artificielle à lire? Qu'est-ce que cela implique? En essayant de répondre à ces questions, une première évidence nous est rappelée : savoir lire ne peut pas se réduire à savoir répondre à des questions sur des textes. Étant donné que les modèles d'apprentissage machine apprennent avec des exemples d'essai erreur, ils vont apprendre à lire en apprenant à répondre correctement à des questions sur des textes. Cependant, il ne faut pas perdre de vue que savoir lire, c'est comprendre différents types de textes et c'est cette compréhension qui permet de répondre à des questions sur un texte. En d'autres termes, répondre à des questions sur des textes est un des moyens d'évaluation de la compétence de lecture plus qu'une fin en soi. Aujourd'hui, il existe différents types de jeux de données qui sont utilisées pour apprendre à des intelligences artificielles à apprendre à lire. Celles ci proposent des textes avec des questions associées qui requièrent différents types de raisonnement : associations lexicales, déductions à partir d'indices disséminés dans le texte, paraphrase, etc. Le problème est que lorsqu'une intelligence artificielle apprend à partir d'un seul de ces jeux de données, elle n'apprend pas à lire mais est plutôt formée à répondre à un type de question, sur un certain type de texte et avec un certain style d'écriture. Outre la problématique de la généralisation des compétences de lecture, les modèles d'intelligence artificielle qui apprennent à lire en apprenant à répondre à des questions retournent des réponses sans systématiquement indiquer sur quelles phrases du texte sources ils se basent. Cela pose un problème d'explicabilité et peut entrainer une mécompréhension des capacités de ces modèles. Dans ce mémoire, nous proposons de résoudre le problème de généralisation de l'apprentissage en proposant une méthodologie générale adaptée à n'importe quel jeu de données. Ainsi, en ayant une méthodologie commune à tous les types de jeux de données pour apprendre à répondre à tout type de question, sur tout type de texte, nous pourrions apprendre aux modèles d'intelligence artificielle à se concentrer sur les compétences générales de lecture plutôt que sur la capacité spécifique à répondre aux questions. Afin de résoudre également le problème de l'explicabilité, la méthodologie que nous proposons impose à tout modèle de compréhension de lecture automatique de renvoyer les extraits du texte source sur lequel ces réponses sont basées. / Reading is a skill that ranges from the ability to decode characters to a deep understanding of the meaning of a text. With the emergence of artificial intelligence, two questions arise: How can an artificial intelligence be taught to read? What does this imply? In trying to answer these questions, we are reminded of the obvious: knowing how to read cannot be reduced to knowing how to answer questions about texts. Since machine learning models learn with trial-and-error examples, they will learn to read by learning to answer correctly questions about the text they read. However, one should not forget the fact that knowing how to read means understanding different types of texts sufficiently well, and it is this that enables answering questions about a text. In other words, answering questions about texts is one of the means of assessing reading skills rather than an end in itself. Today, there are different types of datasets that are used to teach artificial intelligences to learn to read. These provide texts with associated questions that require different types of reasoning: lexical associations, deductions from discrete clues in the text, paraphrasing, etc. The problem is that when an artificial intelligence learns from only one of these datasets, it does not learn to read but is instead trained to answer a certain type of question, on a certain type of text and with a certain writing style. In addition to the problem of generalizing reading skills, artificial intelligence models that learn to read by learning to answer questions return answers without systematically indicating which sentences in the source text they are based on. This poses a problem of explicability and can lead to a misunderstanding of the capabilities of these models. In this thesis, we propose to solve the generalization issue of learning from one dataset by proposing a general methodology suiting to any machine reading comprehension dataset. Thus, by having a methodology common to all types of datasets to learn how to answer any type of question, on any type of text, we could teach artificial intelligence models to focus on general reading skills rather than on the specific ability to answer questions. In order to also solve the issue of explanability, the methodology we propose impose any machine reading comprehension model to return the span of the source text its answers are based on.

La popularité grandissante de la mise en récit dans de nombreux domaines, comme le marketing, la politique, les sciences, nous a menée à nous interroger sur la pertinence de cette technique en rédactologie. Nous avons choisi la population des personnes autistes de haut niveau ou Asperger parce qu'elles ont une compréhension différente de celle des personnes non autistes et que peu de textes sont adaptés à leurs besoins. Dans cette optique, notre mémoire propose de comprendre l'influence d'une mise en récit sur la compréhension en lecture de personnes autistes de haut niveau ou Asperger lorsque celles-ci lisent deux textes professionnels abordant le même sujet, mais possédant des structures dominantes différentes. Pour comprendre cette influence, nous nous sommes basée sur la théorie de la pertinence de Sperber et Wilson (1989), notamment en utilisant les concepts d'" effets cognitifs " et d'" efforts de traitement ", concepts qui permettent de mesurer la pertinence. Nous avons recruté dix participants que nous avons divisés en deux groupes : un groupe pour lire et annoter le texte informatif et un groupe pour lire et annoter le texte narratif. Nous avons utilisé trois techniques de collecte de données : le questionnaire, la technique du plus-minus et l'entrevue semi-dirigée. Les résultats de la recherche montrent que la mise en récit a une influence sur la compréhension en lecture des personnes autistes de haut niveau ou Asperger, mais que cette influence n'est pas homogène : elle revêt plusieurs degrés de pertinence, allant de pertinent à non pertinent. En effet, en fonction de nombreux facteurs, la mise en récit est pertinente pour un participant, mais elle ne l'est pas pour un autre. Le rédacteur doit donc toujours s'efforcer d'adapter son texte au bagage de son lecteur pour en optimiser la pertinence. / Storytelling has been growing in popularity in many fields such as marketing, politics and science which brought us to question the relevance of this technique in writing. We chose a population of high-level autistic people or Asperger's because they have a different understanding than people without autism and only a few texts are adapted to their needs. From this perspective, we propose to understand the influence of storytelling on the reading comprehension of high-level autistic people or Asperger's on two professional texts addressing the same subject but possessing different dominant structures. To understand this influence, we relied on the relevance theory of Sperber and Wilson (1989), in particular by using "cognitive effects" and "processing efforts" concepts to measure relevance. We recruited ten participants and divided them into two groups: a group to read and annotate the informative text and a group to read and annotate the narrative text. We used three data collection techniques: the questionnaire, the plus-minus method and the semi-structured interview. Research results show that storytelling has a real influence on reading comprehension of high-level autistic people or Asperger's but that influence is not homogeneous: it has several degrees of relevance, ranging from relevant to irrelevant. Depending on many aspects, storytelling is relevant for one participant, but not for another. The writer should therefore always strive to adapt his text to the background of his reader to optimize relevance.

Québec Université Laval, Bibliothèque 2015

Savoir lire est une compétence qui va de la capacité à décoder des caractères à la compréhension profonde du sens de textes. Avec l'émergence de l'intelligence artificielle, deux questions se posent : Comment peut-on apprendre à une intelligence artificielle à lire? Qu'est-ce que cela implique? En essayant de répondre à ces questions, une première évidence nous est rappelée : savoir lire ne peut pas se réduire à savoir répondre à des questions sur des textes. Étant donné que les modèles d'apprentissage machine apprennent avec des exemples d'essai erreur, ils vont apprendre à lire en apprenant à répondre correctement à des questions sur des textes. Cependant, il ne faut pas perdre de vue que savoir lire, c'est comprendre différents types de textes et c'est cette compréhension qui permet de répondre à des questions sur un texte. En d'autres termes, répondre à des questions sur des textes est un des moyens d'évaluation de la compétence de lecture plus qu'une fin en soi. Aujourd'hui, il existe différents types de jeux de données qui sont utilisées pour apprendre à des intelligences artificielles à apprendre à lire. Celles ci proposent des textes avec des questions associées qui requièrent différents types de raisonnement : associations lexicales, déductions à partir d'indices disséminés dans le texte, paraphrase, etc. Le problème est que lorsqu'une intelligence artificielle apprend à partir d'un seul de ces jeux de données, elle n'apprend pas à lire mais est plutôt formée à répondre à un type de question, sur un certain type de texte et avec un certain style d'écriture. Outre la problématique de la généralisation des compétences de lecture, les modèles d'intelligence artificielle qui apprennent à lire en apprenant à répondre à des questions retournent des réponses sans systématiquement indiquer sur quelles phrases du texte sources ils se basent. Cela pose un problème d'explicabilité et peut entrainer une mécompréhension des capacités de ces modèles. Dans ce mémoire, nous proposons de résoudre le problème de généralisation de l'apprentissage en proposant une méthodologie générale adaptée à n'importe quel jeu de données. Ainsi, en ayant une méthodologie commune à tous les types de jeux de données pour apprendre à répondre à tout type de question, sur tout type de texte, nous pourrions apprendre aux modèles d'intelligence artificielle à se concentrer sur les compétences générales de lecture plutôt que sur la capacité spécifique à répondre aux questions. Afin de résoudre également le problème de l'explicabilité, la méthodologie que nous proposons impose à tout modèle de compréhension de lecture automatique de renvoyer les extraits du texte source sur lequel ces réponses sont basées. / Reading is a skill that ranges from the ability to decode characters to a deep understanding of the meaning of a text. With the emergence of artificial intelligence, two questions arise: How can an artificial intelligence be taught to read? What does this imply? In trying to answer these questions, we are reminded of the obvious: knowing how to read cannot be reduced to knowing how to answer questions about texts. Since machine learning models learn with trial-and-error examples, they will learn to read by learning to answer correctly questions about the text they read. However, one should not forget the fact that knowing how to read means understanding different types of texts sufficiently well, and it is this that enables answering questions about a text. In other words, answering questions about texts is one of the means of assessing reading skills rather than an end in itself. Today, there are different types of datasets that are used to teach artificial intelligences to learn to read. These provide texts with associated questions that require different types of reasoning: lexical associations, deductions from discrete clues in the text, paraphrasing, etc. The problem is that when an artificial intelligence learns from only one of these datasets, it does not learn to read but is instead trained to answer a certain type of question, on a certain type of text and with a certain writing style. In addition to the problem of generalizing reading skills, artificial intelligence models that learn to read by learning to answer questions return answers without systematically indicating which sentences in the source text they are based on. This poses a problem of explicability and can lead to a misunderstanding of the capabilities of these models. In this thesis, we propose to solve the generalization issue of learning from one dataset by proposing a general methodology suiting to any machine reading comprehension dataset. Thus, by having a methodology common to all types of datasets to learn how to answer any type of question, on any type of text, we could teach artificial intelligence models to focus on general reading skills rather than on the specific ability to answer questions. In order to also solve the issue of explanability, the methodology we propose impose any machine reading comprehension model to return the span of the source text its answers are based on.

Plusieurs élèves présentant des troubles du comportement éprouvent des difficultés en lecture, particulièrement en compréhension. L'objectif de ce mémoire est d'évaluer l'efficacité d'activités de tutorat par les pairs utilisées lors de périodes de décloisonnement. Après une période de niveau de base (activités régulières d'enseignement), les activités de tutorat par les pairs ont été implantées dans une classe ordinaire en intégrant des élèves en troubles du comportement d'une classe spéciale. La compréhension en lecture a été évaluée de manière bi-mensuelle. Contrairement à ce qui était anticipé, nous n'avons pas constaté de meilleurs progrès chez les élèves suite à l'introduction des activités de tutorat par les pairs. Ces résultats sont attribués au fait que les élèves proviennent d'un milieu très défavorisé. Les activités de tutorat par les pairs apparaissent néanmoins appropriées pour le décloisonnement, à tout le moins sur le plan de la gestion. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Trouble de comportement, compréhension en lecture, défavorisation, tutorat par les pairs.

Reading abilities can be seriously compromised by a traumatic brain injury (TBI) in childhood. However, only a few researchers have specifically studied these types of abilities following a TBI, leaving nature of reading deficits unclear. This research project examines the influence of speed of information processing, decoding abilities and phonological awareness on reading comprehension deficits among children who sustained a moderate or severe TBI. The performance of a TBI group (n = 27) was compared to the one of 27 control children. This study demonstrated that TBI children present a significantly lower performance on a simple reading comprehension task, compared to children who have never experienced a TBI. Furthermore, the results showed that TBI children are significantly slower in decoding and less efficient in a task involving phonological awareness as compared to non-injured children.