L'oral à l'ère du numérique : enseigner et apprendre autrement ?
Notice bibliographique
Résumé
La crise sanitaire a amplifié, accéléré et généralisé le recours au numérique dans les systèmes éducatifs du monde entier. Beaucoup ont réussi à tenir grâce aux nombreux dispositifs d'enseignement en ligne existants, mais ce contexte totalement inédit a fait émerger de nouvelles problématiques et a pointé des failles que praticiens et pédagogues ont tenté de gérer au mieux. Il a aussi mis en lumière des pratiques et ressources très ancrées depuis quelques années pour l'enseignement et l'apprentissage de l'oral en LVE.Cette contribution se propose d'appréhender la manière dont le numérique induit des transformations plus ou moins importantes aussi bien à la manière même d'envisager l'oral et de le (re)définir, que de l'enseigner et de l'apprendre. On commencera par rappeler les dimensions les plus impactés par le numérique, par rapport à un dispositif d'enseignement/apprentissage des langues basé sur le présentiel :la temporalité avant tout, puisque le numérique bouscule quelques fondamentaux de l'oral, à savoir le temps réel et la simultanéité ;les modes d'interaction et leurs rituels (notamment la gestion de l'alternance des tours de parole en mode synchrone) ;la situation de communication telle qu'elle est traditionnellement appréhendée en didactique des langues et des cultures, avec des ruptures, des fractionnements et des décalages au niveau de certains de ses constituants ;la gestion de la plurisensorialité et de la multimodalité, qui sont amenées à s'adapter aux dispositifs numériques utilisés.Néanmoins et ce sera l'objet de la deuxième partie de cette intervention, le numérique peut constituer une véritable opportunité pour ce qui est de l'oral.La multiplicité des ressources numériques permet de démultiplier les effets bénéfiques de "laboratoire de langue" puisque le smartphone ou l'ordinateur se transforment potentiellement en "cabine individuelle de langue" ; en particulier, le numérique permet un travail particulièrement ciblé, individualisé et intensif, que ce soit sur l'écoute (identifier, discriminer, comparer, comprendre…) ou sur la production (avec des logiciels de plus en plus répandus comme Audacity, par exemple), ce qui permet d'augmenter les performances de perception et de production des apprenants. Cela va également dans le sens du renforcement de l'autonomisation de l'apprenant et de la diversification des stratégies d'apprentissage. Quelques exemples seront proposés pour illustrer cette première piste de travail.Le numérique permet également d'intégrer la dimension gestuelle et kinésique globale, et donne à voir/entendre une multiplicité de ressources d'une grande richesse.Les opportunités (mais aussi les lourdeurs !) ouvertes dans le champ de l'évaluation : le numérique ouvre durablement la voie à la "fixation" de l'oral de l'apprenant et à la transmission des données sonores ou audiovisuelles à l'enseignant ; la formation initiale et continue des enseignants doit donc désormais intégrer ce paramètre, de manière à ce que les enseignants soient en mesure de mettre en place des dispositifs d'évaluation de l'oral plus ciblés et plus adaptés que ne le sont les dispositifs d'évaluation de l'oral "spontané et fugace" en présentiel en salle de classe.
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 | 0,009 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,017 | 0,015 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,012 |
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 ».