Enseigner le vocabulaire scolaire en soutien linguistique au secondaire : regard sur trois activités plurilingues
Notice bibliographique
Résumé
Hors de la métropole montréalaise, les élèves bi/plurilingues au secondaire sont le plus souvent intégrés en classe ordinaire dès leur arrivée à l’école québécoise francophone (De Koninck et Armand, 2012). Un service de soutien linguistique leur est alors offert pour les accompagner dans le double apprentissage qui les attend, c’est-à-dire celui du français, la langue d’enseignement, et celui des contenus disciplinaires. Pour relever ce défi, ces élèves, qui disposent d’un répertoire plurilingue pouvant servir de levier en classe (Cummins, 2021), doivent notamment développer leur vocabulaire en français, et plus particulièrement un vocabulaire scolaire central aux apprentissages disciplinaires (Short et Echevarría, 2016). Ainsi, la recherche-action ici présentée visait à répondre à la question suivante : Comment favoriser l’enseignement-apprentissage du vocabulaire scolaire en soutien linguistique au secondaire en prenant appui sur le répertoire plurilingue des élèves ? Pour y répondre, un portrait des besoins des enseignants à cet égard a d’abord été dressé. En fonction de ces besoins, trois activités ont ensuite été conçues et expérimentées avec trois groupes d’élèves. Des entretiens semi-dirigés avec les trois enseignants des groupes d’élèves ayant participé à la mise à l’essai révèlent le potentiel des activités expérimentées de même que des pistes pour les bonifier.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,011 |
| Communication savante | 0,014 | 0,007 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».