MétaCan
Menu
Retour à la cohorte
Enregistrement W2341416900 · doi:10.7202/1047313ar

UNE APPROCHE MULTIMODALE POUR ACCOMPAGNER LA LECTURE LITTÉRAIRE AU SECONDAIRE : CRÉER DES BANDES-ANNONCES À PARTIR DE BANDES DESSINÉES

2018· article· fr· W2341416900 sur OpenAlexaffvenue
Michaël Grégoire, Sébastien Ouellet

Notice bibliographique

RevueRevue de recherches en littératie médiatique multimodale · 2018
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensUniversité du Québec à RimouskiUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Le problème à l’origine de notre recherche est lié à l’utilisation de la bande dessinée en classe de français au secondaire. Même si de récentes recherches démontrent que la bande dessinée constitue une forme littéraire signifiante et stimulante pour les jeunes (Boutin, 2010; Grondin, Boutin, Gendron, Martel et Beaudoin, 2011; Lebrun, 2004), celle-ci est encore le parent pauvre de l’enseignement de la lecture littéraire (Rouvière, 2012). Cette méconnaissance prive souvent les enseignants et les élèves de stratégies pour accompagner la lecture des BD et pour exploiter pleinement son potentiel langagier. Ainsi, il apparait essentiel de proposer de nouveaux dispositifs didactiques inspirés des assises théoriques de la littératie médiatique multimodale, de la lecture littéraire et du sujet lecteur. Nous présentons des résultats tirés d’une séquence didactique dans laquelle les élèves sont amenés à réaliser des bandes-annonces à partir de BD. Notre analyse des productions d’élèves montre que ces derniers se révèlent être des sujets multimodaux qui combinent la lecture, l’écriture, l’illustration, l’image filmée et la musique (Gee, 2008). Cette démarche nous permet également d’observer leur appropriation des œuvres notamment par le biais de leurs interprétations, de leurs transpositions dans des bandes-annonces et des apprentissages qu’ils ont réalisés.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0060,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0390,010

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,359
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevue de recherches en littératie médiatique multimodaleMême sujetFrench Language Learning MethodsTravaux en français237 207