Prendre en compte les croyances de futures enseignantes de français Lx dans le cadre d’une recherche-action : vers l’utilisation d’approches plurilingues d’enseignement du lexique
Notice bibliographique
Résumé
Les écoles francophones du Québec (Canada) accueillent de nombreux élèves immigrants bi/plurilingues. Pour les soutenir, une attention devrait être portée à l’enseignement du lexique, notamment au moyen d’approches plurilingues (Galante, 2020 ; Leonet et al., 2020). Toutefois, l’adoption de telles approches reste marginale (Payant et Bell, 2022). Afin de soutenir leur mise en œuvre, il apparait nécessaire de prendre en compte les croyances des futur⋅e⋅s enseignant⋅e⋅s (Borg, 2015) et de leur offrir des occasions de développement professionnel visant un arrimage entre des savoirs didactiques de référence et la pratique en classe (Forget, 2020). Nous nous sommes donc penchées sur la question suivante : Comment une recherche-action peut-elle contribuer à la formation de futur⋅e⋅s enseignant⋅e⋅s en lien avec l’utilisation d’approches plurilingues pour enseigner le lexique en français Lx ? Deux futures enseignantes ont pris part à notre étude, lors de laquelle elles ont créé et mis à l’essai trois activités d’enseignement du lexique en français Lx. Nous avons documenté leurs croyances à partir d’une analyse thématique (Paillé et Mucchielli, 2021) de données recueillies grâce à trois outils : un guide d’accompagnement présentant les trois activités, un journal de bord et un entretien réalisé après la mise à l’essai des activités. Il en ressort que les participantes verbalisent des croyances associées au potentiel des approches plurilingues pour favoriser les apprentissages lexicaux des élèves sur les plans tant cognitivo-langagier que socio-affectif, en cohérence avec les savoirs didactiques de référence présentés en formation initiale des enseignant·e·s.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».