L’album documentaire, un incontournable pour favoriser l’entrée dans l’écrit
Bibliographic record
Abstract
Le recours aux albums documentaires fournit aux enfants un éventail de thèmes diversifiés susceptibles non seulement de rejoindre leurs différents besoins et intérêts, mais également de répondre aux diverses visées pédagogiques des enseignants (Guérette, Roberge, Bader et Carrier, 2007; Prévost et Morin, 2011). En plus de l’attrait qu’ils exercent auprès des enfants, ces albums constituent des ressources tout indiquées pour stimuler le développement de compétences langagières sous-tendant l’apprentissage de la lecture, de l’écriture et de la communication orale. En effet, la lecture interactive d’albums documentaires peut contribuer, entre autres, à l’acquisition d’un vocabulaire plus abstrait, à l’enrichissement des connaissances sur le monde et à la découverte de connaissances sur l’écrit (Giasson, 2011). D’autre part, les images qui accompagnent ces ouvrages soutiennent la compréhension du texte que se construisent les enfants. À cet effet, elles leur fournissent un support visuel qui leur permet de donner un sens aux ouvrages consultés. Cet article, qui propose une réflexion didactique, souhaite : 1) définir les types d’albums documentaires susceptibles d’être utilisés auprès des lecteurs émergents et débutants; 2) présenter le potentiel que représente ce genre littéraire auprès de cette clientèle; 3) aborder différentes façons d’animer la lecture interactive d’albums documentaires auprès des enfants du préscolaire et du premier cycle du primaire.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.044 | 0.012 |
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".