Cultures discursives plurielles et littéracies universitaires : analyse de trajectoires d’étudiants-scripteurs plurilingues
Notice bibliographique
Résumé
Les étudiants « internationaux » qui réalisent une partie de leur cursus académique dans une université francophone doivent s’approprier les modèles génériques censément mobilisés par la communauté enseignante et étudiante. Il peut s’agir de genres écrits très formalisés, comme le commentaire de texte en France ou le mémoire de fin d’études en Belgique ; ou, au contraire, de genres aux normes plus floues qui peuvent varier d’une discipline à l’autre, voire d’un enseignant à l’autre. Dans tous les cas, les cultures discursives universitaires francophones se traduisent par des communautés de pratiques, notamment scripturales, qu’il s’agit d’identifier, d’inventorier, de comparer en vue d’élaborer des dispositifs pédagogiques d’accompagnement adaptés aux étudiants pour qui le français est une langue étrangère/seconde. Or, les formateurs n’ont pas toujours conscience des spécificités de la communauté discursive dans laquelle ils s’inscrivent, ni des genres de discours qu’ils demandent de produire à leurs étudiants, qu’ils soient allophones ou non. Et, par ailleurs, le plurilinguisme des étudiants « internationaux » est souvent ignoré dans les dispositifs d’enseignement/apprentissage, tout comme le potentiel didactique de ce plurilinguisme (cf. les théories de l’interdépendance des langues, du répertoire plurilingue comme levier d’apprentissage, du transfert de compétences d’une langue à l’autre). Sans prétendre épuiser ici la problématique, nous proposons d’analyser les dynamiques plurilingues qui sont en jeu dans le rapport à l’écriture d’étudiants pour qui le français n’est pas la langue première. Pour ce faire, nous analyserons les trajectoires de 8 étudiants-scripteurs plurilingues que nous avons interviewés lorsqu’ils étudiaient au Québec. Leurs témoignages sont non seulement révélateurs des schèmes de représentations pluriels qui guident leur rapport à l’écriture, mais aussi des stratégies d’écriture développées en fonction de l’expérience de mobilité et de la diversité culturelle des discours universitaires.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,011 | 0,007 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».