Bibliographic record
Abstract
L’enseignement de la littérature est généralement caractérisé par des approches traditionnelles qui ne laissent que peu de place aux représentations personnelles des élèves et à la relation subjective qui pourraient servir de tremplin à une plus grande appropriation du littéraire. Or, l’influence de plus en plus grande des modes d’expressions numériques et la prédominance de l’image dans la sphère médiatique nous amènent à considérer la littératie médiatique multimodale (Jewitt, 2008; Kress et Van Leeuwen, 2001; Lebrun, Lacelle et Boutin, 2012) comme une approche favorisant l’appropriation du langage littéraire. Nous proposons d’analyser les effets d’un dispositif didactique qui mise sur la lecture et l’écriture subjectives et qui s’arrime avec les perspectives multimodales dans l’enseignement du français. De plus, ce dispositif est fondé sur le roman graphique. Pour cette recherche, nous avons mis à contribution des observations faites en classe de français au secondaire afin d’analyser des scénarimages (scénarios imagés) et des bandes-annonces produits par les élèves. Ce projet montre que les élèves actuels constituent une génération de sujets qui puisent à toutes les sources pour construire leurs références en lecture et en écriture. Notre recherche montre également que la multimodalité peut jouer un rôle fondamental dans l’appropriation du langage littéraire.
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 | 0.006 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
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".