Les inégalités d’accès, de compétences et de pouvoir d’agir numériques et linguistiques des élèves : perspectives du personnel enseignant en Ontario français
Notice bibliographique
Résumé
Depuis la crise de la COVID-19, l’intérêt pour les liens entre inégalités sociales et numériques à l’école a grandi, mais les recherches sur leur dimension linguistique restent absentes. À partir d’une analyse thématique de verbatim de 22 entrevues semi-dirigées menées auprès d’enseignantes et enseignants francophones de l’Ontario de mars à juin 2020, notre étude souligne en quoi les élèves de la 4 e à la 8 e année vivent des inégalités d’accès (p. ex. fréquence et diversité d’outils), de compétences (p. ex. occasions d’exposition et d’accompagnement à l’école et à la maison) et de pouvoir d’agir numériques (p. ex. confiance pour se filmer, participer en ligne). Nous dévoilons aussi comment, à ces inégalités, s’ajoutent des inégalités numériques linguistiques, telles les inégalités d’accès à des ressources en français pertinentes au contexte local ou de compétences numériques liées à des défis de répertoire et de sécurité linguistique. Finalement, nous proposons des pistes de réflexion et d’action pour viser le pouvoir d’agir numérique des élèves et contribuer au rayonnement des communautés francophones minoritaires en ligne.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,016 | 0,011 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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 ».