Articuler éducation aux médias et citoyenneté : une analyse du Programme de formation de l’école québécoise préscolaire-primaire
Notice bibliographique
Résumé
Au Canada, le faible niveau de connaissance des contenus en éducation aux médias véhiculés par les curricula scolaires proscrit leur évaluation critique. Cet article présente les façons selon lesquelles l’éducation aux médias est introduite dans le Programme de formation de l’école québécoise (PFEQ) des niveaux préscolaire et primaire. Plus spécifiquement, il témoigne des articulations entre éducation aux médias, enfance et citoyenneté. La méthode utilisée procède au repérage et à l’extraction d’énoncés associés aux technologies de l’information et de la communication (TIC) et aux médias, puis à leur classement en quatre catégories principales : discours, verbes témoignant des actions de chaque catégorie d’acteurs (école, élève, enseignant), objets d’apprentissage et suggestions d’utilisation des TIC. Une classification permet de faire émerger les verbes et les objets d’apprentissage référant à la notion de citoyenneté en utilisant la définition et les composantes associées. Ces derniers sont ensuite soumis à une analyse de discours. Notre analyse fait émerger les discours véhiculés par le PFEQ sur les médias et les TIC. Elle met en exergue les rôles, les tâches et les responsabilités des différents acteurs en lien avec l’acquisition de connaissances et le développement de compétences. En outre, elle présente les actions menées par ces acteurs afin d’opérationnaliser les intentions pédagogiques du programme. La conclusion montre un faible ancrage disciplinaire des énoncés traitant de l’éducation aux médias et à la citoyenneté, des contenus pertinents, mais limités thématiquement, ainsi qu’une représentation de l’élève en tant qu’individu capable de réflexion et de pensée critique.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».