Regards croisés sur des clés d’analyse pour la sélection d’œuvres de littérature jeunesse traitant de savoirs, réalités et cultures autochtones
Notice bibliographique
Résumé
Tant en contexte canadien que calédonien, des orientations gouvernementales et différentes actions sont mises en œuvre pour que les personnes enseignantes incluent les perspectives autochtones à leur enseignement. Malgré ces directives, les personnes enseignantes de ces différents contextes ressentent de l’inconfort, et nomment qu’elles manquent d’outils pour favoriser cette inclusion (Aitken et Radford, 2018). Toutefois, la littérature de jeunesse autochtone se multiplie tant au Canada qu’en Nouvelle-Calédonie, et les personnes enseignantes disent utiliser la littérature autochtone en classe (Côté, 2019). Cet article propose des regards croisés sur un outil d’analyse d’œuvres de littérature de jeunesse traitant de savoirs, réalités et cultures autochtones. En guise de résultats, l’article présente neuf clés d’analyse au moyen d’exemples issus de la littérature de jeunesse autochtone canadienne et kanak. Des regards croisés ouvrent la discussion à savoir si les critères élaborés en contexte canadien peuvent se transférer ou non à d’autres contextes, ici, plus précisément, celui de la Nouvelle-Calédonie. La discussion met en lumière que les clés d’analyse résonnent dans cet autre contexte, même si quelques nuances sont présentes dans l’interprétation et l’utilisation de ces dernières.
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 | 0,016 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,012 | 0,012 |
| Communication savante | 0,015 | 0,011 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».