Bibliographic record
Abstract
Parce qu’elle allie texte, son et image, la chanson, genre multimodal par excellence, se prête idéalement à une étude intersémiotique en classe de français. Pour permettre aux enseignants d’aller dans ce sens, un dispositif intéressant consiste à envisager successivement les trois strates à propos d’une même chanson. Le texte d’abord : les élèves sont invités à y repérer tour à tour (a) la prosodie, le rythme, les refrains, (b) les sons, les rimes, (c) les registres de langue, (d) le ton, le mode d’énonciation, (e) les actes de langage, (f) la structure narrative interne, (g) la relation externe qui est établie avec l’auditeur virtuel. La bande son ensuite : il s’agit ici d’étudier (a) l’instrumentation, (b) la voix, et (c) la scansion du texte. Le clip vidéo enfin, c’est-à-dire (a) la diégèse, l’histoire racontée par le clip, (b) les procédés de la narration visuelle, et (c) les rapports qui relient ces deux niveaux. Au départ d’un exemple utilisé comme fil rouge (une chanson de Maurane), cet article montre que cette démarche permet aux élèves de considérer chaque strate pour elle-même – tant en réception qu’en production –, sans être parasités par des éléments relevant des autres strates.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.048 | 0.011 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".