Place et rôle des langues et cultures de l'Antiquité dans l'enseignement du français à l'école primaire de 1882 à nos jours en France
Notice bibliographique
Résumé
French language was and still remains the priority of French primary school. Despite this will, reality is a bit different: learning French remains complicated at school, there are big gaps between pupils. According to the results from PISA's survey (2012), our system of education is « very good » at creating even more inequalities between pupils. How can such difference be explained? Moreover, why is French so hard to teach and to learn? In order to answer these questions, a diachronic approach was salutary in many respects. At first, it is important to describe and to understand how our school was built. In addition, the place of Classics – Latin and Ancient Greek – was once great in our system, and their nearly disappearance had serious consequences on French learning. Indeed, the history of the language and the discipline shows us that French could not have been taught without classics for a long time. In our analysis, we question these links and we consider introducing classics in French learning at primary school. Classics reveal themselves to be very precious tools in order to create postures among pupils – reflexive, metalinguistic and epistemic – which allow them to succeed. They help all pupils to acquire strategies, which enable them to learn a rich language, therefore to develop a rich mind. Moreover, antic culture is at the basis of all fields of knowledge, it is a link between all disciplines and it makes them meaningful.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».