AI-driven CALL methodology: Amplifying minority language youth voices in digital citizenship education
Notice bibliographique
Résumé
In a digital landscape increasingly marked by hate speech, disinformation, and radicalization (United Nations, 2022), fostering ethical and informed digital citizenship is a critical educational priority. The Living, Thinking, and Acting Online (Vivre, Réfléchir, Agir – #VRAenligne) project centered the voices of French minority-language youth in Canada from diverse linguistic and ethnic backgrounds. Structured in three phases, Living, Reflecting, and Acting, the project guided participants from exploring and articulating their own personal online experiences, to reflecting on what it means to be an ethical and digital citizen, and finally demonstrating a sense of agency and empowerment by committing to concrete actions promoting more inclusive digital spaces. Using a digital ethnography approach combined with AI-assisted multimodal artifact creation, the project engaged youth as co-researchers and co-creators of knowledge. Throughout each phase, participants used AI tools such as Canva and DALL·E to produce multimodal artifacts representing their identities and ethical perspectives. This creative process fostered active collaboration and co-reflection between youth and researchers, enabling a culturally and linguistically responsive exploration of lived experiences and digital citizenship. Findings demonstrate the strengths and possibilities of integrating generative AI into participatory research: it can amplify marginalized voices, deepen youth engagement, and support the development of digital literacy and civic agency. At the same time, the study highlights the ethical responsibility to navigate AI’s limitations, including risks of bias and misrepresentation, ensuring its use promotes socially responsible and equitable educational practices.
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 | 0,023 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».