Écrire dans les cours de sciences de la nature au secondaire : pourquoi et comment?
Bibliographic record
Abstract
La littératie, constituée d’un ensemble de pratiques sociales où l’individu se représente le monde et communique avec les autres, comprend plusieurs formes, dont la littératie académique. Celle-ci, pour se développer pleinement, doit être étayée par des activités pédagogiques pertinentes. Or, les élèves écrivent peu au secondaire, et encore moins dans les cours de sciences. Pourtant, la langue, particulièrement écrite, est un outil indispensable à l’acquisition et à la transmission des savoirs scientifiques. En outre, les pratiques langagières en usage dans les communautés discursives que forment les scientifiques privilégient certains genres et types de textes, qui possèdent leurs caractéristiques linguistiques et textuelles. Or, celles-ci font rarement l’objet d’un enseignement explicite dans les cours de sciences. Par ailleurs, les évaluations nationales et internationales ont mis en évidence des différences importantes en sciences, en lecture et en écriture entre les minorités linguistiques ou culturelles et les groupes majoritaires au Canada et ailleurs. Ces divers constats militent en faveur d’un enseignement explicite des stratégies d’écriture, tant cognitives que métacognitives, qui ont, comme le montrent de nombreuses recherches, une grande incidence sur la qualité de l’écriture des élèves en sciences. Cette écriture relève par ailleurs de deux fonctions: instrumentale, à des fins de communication d’information à autrui, et épistémique, à des fins d’apprentissage. Dans cette double perspective, stratégique et fonctionnelle, l’article présente une vaste gamme de tâches d’écriture en sciences, significatives pour les élèves, telles que résumé, journal de bord et textes descriptif, explicatif et argumentatif, mettant l’accent, entre autres, sur la réflexion des élèves sur les concepts scientifiques. Un cadre conceptuel pour faciliter le développement de tâches d’écriture variées en sciences est également présenté. L’écriture en sciences s’avère un outil indispensable, non seulement pour renforcer les compétences des élèves en littératie, mais également pour bonifier leur culture scientifique et, plus fondamentalement, pour leur donner une représentation plus exacte des sciences comme moyen de connaissance du monde.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.010 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".