Understanding literature through popular culture: a case study of senior high school students' evolving responses to Québec literature
Notice bibliographique
Résumé
Francophone Quebec, as a minority culture in North America, needs to pay attention to and celebrate not only what makes it different within the North American context, but also what it shares. Literature, as a branch of the arts, takes the pulse of the society that it represents. In this regard, American novelist Richard Ford (2011) states that literature "realigns conventional wisdom" all the while improving its literacy levels. Apart from functioning as an effective instrument of education (Carroll, 2002), literature is also the means through which language skills are most often taught in Quebec's French classes. Regrettably, the province of Quebec has more people with low literacy than the national average, which results in a weak foundation for future learning, including formal learning at the post-secondary level. Research points to students' loss of interest in French classes as a common cause for this alarming phenomenon. In addition to this issue, only approximately half the Quebec student population over 16 years of age (52%) have a literacy level at or above the estimated level for living efficiently (O'Sullivan et al., 2009). This is a serious educational and social challenge that needs to be addressed. In an effort to reduce the weak literacy rate of students, I suggest an alternative teaching of Wajdi Mouawad's Quebec play Incendies in three different secondary 5 classes. I charted patterns of meaning-making responses that provide an understanding of directions a teacher might take to increase interest in reading, specifically within the francophone community. The patterns of responses are meant to help educators by providing them with student responses where it seems advisable. Another objective of this study is to adopt appropriate methods to reinforce an interest in Francophone Quebec literature and develop a further interest in reading.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,033 | 0,013 |
| Communication savante | 0,011 | 0,004 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».