Polyethnographie visuelle et transformations altéritaires d’identités professionnelles plurilingues
Notice bibliographique
Résumé
Dans le cadre d’une recherche-action-formation menée collaborativement entre personnes enseignantes et chercheures en contexte urbain vulnérable et complexe au Canada, cet article propose une réflexion sur l’intérêt de méthodologies polyethnographiques visuelles comme nœuds de réflexivité dans le développement des identités professionnelles et la formation des personnes enseignantes au plurilinguisme. Le contexte de l’étude est celui d’une école à double-voie (anglais et immersion française) en milieu urbain vulnérable, dans une métropole de l’ouest canadien située en territoires non-cédés autochtones et accueillant une population d’élèves particulièrement diverse, avec pour l’année 2024, 32 groupes linguistiques et culturels auto-identifiés et 30 % d’élèves autochtones. Le corpus se centre sur trois séquences formatives collaboratives : une séquence centrée sur les discussions émergeant d’un recueil photographique du paysage linguistique dans et autour de l’école, la deuxième et troisième séquences autour de dessins réflexifs centrés, pour l’une, sur l’autobiographie langagière des personnes participantes et, pour l’autre, sur leurs trajectoires mobilitaires dans et avec les langues. Chaque séquence a donné lieu à narrations de soi et débats réflexifs interprétatifs au sujet des récits de vie des personnes participantes. Les séquences ont été enregistrées, retranscrites et accompagnées de notes de terrain. Notre contribution interroge le potentiel transformateur d’approches polyethnographiques visuelles comme nœuds de réflexivité et de résistance (Corcoran et al., 2024) pour les personnes enseignantes en contexte de formation au/par le plurilinguisme. En proposant de nouvelles manières d’interagir et d’interpréter le monde et nos environnements plurisémiotiques à travers le prisme d’engagements plurisensoriels, il s’agit pour nous, dans une perspective de décolonisation de l’école, de la recherche et des apprentissages, de mieux comprendre les dynamiques d’exclusion et de marginalisation.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,018 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».