Indigenous languages in the digital age: A study of multimodal tools for Indigenous language instruction
Notice bibliographique
Résumé
À travers le Canada, et en raison des conséquences actuelles de la colonisation telles que les pensionnats autochtones et la rafle des années 60, plusieurs communautés autochtones cherchent à restaurer la vitalité de leurs langues ancestrales. Une de ces communautés est Kahnawà:ke, située dans ce nous appelons aujourd'hui la Montérégie, au sud-ouest du Québec, province du Canada. Ce projet de recherche fut menée en collaboration avec la communauté Kanien'kehá:ka, dans laquelle un atelier de formation destiné à 26 professeurs de la langue Kanien'keha fut complété. Cette étude traite de la transition d'un mode d'enseignement du Kanien'keha synchrone en présentiel à une formation asynchrone en digitale durant la pandémie de COVID-19, afin de mieux supporter les professeurs de langue et d'adresser les éventuelles failles et préoccupations que ces-derniers ont rencontrés lors de cette transition soudaine. De plus, l'objectif de cette recherche était de créer des données accessibles portant sur les perceptions que les enseignants ont eues des différents outils pédagogiques virtuels, mais également de faire en sorte que ces-dites données puissent être utilisées par et pour la communauté Kahnawà:ke, faisant ainsi la promotion de la Revitalisation des langues autochtones au Canada. Les deux cadres théoriques centraux à cette recherche sont Les savoirs et connaissances autochtones de l'anglais Indigenous Knowledges (IK) ainsi que l'approche pédagogiques Multilitératies. Pour ce qui a trait des IK, la littérature est structurée notamment en positionnant le contexte de Kahnawà:ke en tant que pilier de ce projet, suivie par la politique et pédagogie de décolonisation. Puis, les Multilitératies sont définies, décrites et analysées avec un axe portant sur la technologie dans les salles de classe telles que (a) l'applicabilité et transposition de cette technologie à la classe de langue autochtone et (b) des mises en gardes sur les risques potentiels liés à l'intégration de la technologie en classe. Inspirée d’une première session avec le Kahnawà:ke Education Center portant sur les types d'appareils technologiques et d'outils numériques auxquels les professeurs de langue avaient accès, j'ai créé un atelier de formation pour les enseignants en tenant compte de leurs besoins et contraintes. L'atelier consistait en une démonstration du fonctionnement de deux outils numériques ainsi que des recommandations concernant leur mise en œuvre en salle de classe afin de faciliter la transition de l’enseignement des langues en ligne. Un questionnaire postérieur à l'atelier a servi à recueillir, entre autres, les perceptions des participants quant à leurs expériences avec la classe numérique, leurs idées de potentiels projets utilisant les outils numériques ainsi que leurs recommandations de futurs outils numériques pour l'apprentissage des langues indigènes. Les professeurs de langue ont exprimé de nombreuses préoccupations concernant les outils en ligne, notamment : le temps consacré à l'apprentissage d'un nouveau logiciel et à la création du matériel pédagogique, l'accessibilité - les types d'appareils sur lesquels un outil est disponible, le degré de convivialité de l'interface, et l'implication des parents - plus particulièrement pour les jeunes étudiants en difficulté tant avec le matériel pédagogique que la technologie utilisée. Néanmoins, les enseignants ont également souligné que certains outils pouvaient s'avérer être utiles et amusants pour les étudiants ayant des styles d'apprentissage différents, et qu'ils incitaient les étudiants à s'impliquer plus activement lors des cours de langue en ligne. Cette étude est fondamentale en ce qu'elle démontre les lacunes fonctionnelles des outils numériques en enseignement linguistique dans les contextes de langues autochtones, et qu'elle fournit des indications et recommandations claires sur la façon d'améliorer ces outils de sorte que les besoins des enseignants de langue soient comblés
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».