DÉVELOPPER LES LITTÉRATIES MULTIPLES – MULTILITTÉTARIES - AVEC LA LITTÉRATURE NUMÉRIQUE AU CÉGEP
Notice bibliographique
Résumé
Depuis la parution de l’article « Pedagogy of Multiliteracies » par le New London Group en 1996, plusieurs chercheurs, ainsi que des enseignants et professeurs, se sont intéressés au développement des « multilittératies » dans des contextes d’apprentissage. De plus, l’importance de la multimodalité dans plusieurs formes de communications met en évidence la nécessité de développer une littératie médiatique multimodale dans des contextes d’apprentissage (Lacelle et al., 2017; Lebrun et al., 2012). La littérature numérique offre un potentiel de développement d’une pensée critique concernant la technologie et les médias (Aarseth, 1997; Ensslin, 2014; Hayles, 2008; Simanowski et al., 2010). Le but de cet article est de démontrer les résultats d’une étude exploratoire menée dans un cégep anglophone où l’auteur a enseigné la littérature numérique à des étudiants. Durant cette étude, les étudiants ont également eu l’occasion de créer leurs propres récits en utilisant l’application numérique Twine. Ce qui ressort de l’analyse des données est la façon dont l’interprétation et la création des textes numériques et interactifs ont engendré une réflexion sur la technologie ainsi qu’une articulation de plusieurs littératies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».