Multimodal CLIL approaches in teaching Canadian literature: enhancing language and literary competence
Notice bibliographique
Résumé
This article investigates the integration of multimodal strategies into a Content and Language Integrated Learning (CLIL) framework for teaching Canadian Literature in Ukrainian higher educational institutions. The study addresses a gap in current research by exploring how multimodal approaches – combining visual, auditory, textual, and digital elements – can support both language acquisition and literary engagement among university students. Canadian literature, with its focus on themes of identity, cultural hybridity, and migration, offers rich potential for such interdisciplinary and language-sensitive instruction. The aim of the study is to analyze theoretical and methodological foundations for implementing multimodal CLIL pedagogy in literature classrooms. To achieve this, the research employs methods of content analysis, generalization, and systematization, focusing on contemporary scholarship in linguistics, semiotics, and education with the particular attention to the concept of scaffolding as a core principle of CLIL methodology. Findings suggest that multimodal strategies serve as effective scaffolding tools in CLIL environments, enabling students to access and interpret complex literary texts more effectively. These strategies enhance language competence, support comprehension, and foster critical cultural awareness. The study proposes a model for integrating multimodal resources – such as visual modes (infographics, videos and interactive digital tools) – into the teaching of Canadian Literature in Ukrainain higher educational institutions. Observation shows that using infographics and videos supplements students’ understanding of sociocultural environment of the events as well as enhances language competence and the ability to analyze literary output. Interactive digital tools like creating a book trailer facilitates students’ understanding of the problems raised by the author, develops their critical thinking and the ability to pass judgement, which aims at developing literary competence. The article concludes by outlining practical implications for curriculum design and offering directions for future research on multimodal CLIL practices in literature education.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».