MétaCan
Menu
Back to cohort
Record W2341416900 · doi:10.7202/1047313ar

UNE APPROCHE MULTIMODALE POUR ACCOMPAGNER LA LECTURE LITTÉRAIRE AU SECONDAIRE : CRÉER DES BANDES-ANNONCES À PARTIR DE BANDES DESSINÉES

2018· article· fr· W2341416900 on OpenAlex

Why this work is in the frame

A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.

affAt least one author lists a Canadian institution in the pinned OpenAlex snapshot.
venuePublished in a venue whose home country is Canada.

Bibliographic record

VenueRevue de recherches en littératie médiatique multimodale · 2018
Typearticle
Languagefr
FieldSocial Sciences
TopicFrench Language Learning Methods
Canadian institutionsUniversité du Québec à RimouskiUniversité de Sherbrooke
Fundersnot available
KeywordsHumanitiesArt

Abstract

fetched live from OpenAlex

Le problème à l’origine de notre recherche est lié à l’utilisation de la bande dessinée en classe de français au secondaire. Même si de récentes recherches démontrent que la bande dessinée constitue une forme littéraire signifiante et stimulante pour les jeunes (Boutin, 2010; Grondin, Boutin, Gendron, Martel et Beaudoin, 2011; Lebrun, 2004), celle-ci est encore le parent pauvre de l’enseignement de la lecture littéraire (Rouvière, 2012). Cette méconnaissance prive souvent les enseignants et les élèves de stratégies pour accompagner la lecture des BD et pour exploiter pleinement son potentiel langagier. Ainsi, il apparait essentiel de proposer de nouveaux dispositifs didactiques inspirés des assises théoriques de la littératie médiatique multimodale, de la lecture littéraire et du sujet lecteur. Nous présentons des résultats tirés d’une séquence didactique dans laquelle les élèves sont amenés à réaliser des bandes-annonces à partir de BD. Notre analyse des productions d’élèves montre que ces derniers se révèlent être des sujets multimodaux qui combinent la lecture, l’écriture, l’illustration, l’image filmée et la musique (Gee, 2008). Cette démarche nous permet également d’observer leur appropriation des œuvres notamment par le biais de leurs interprétations, de leurs transpositions dans des bandes-annonces et des apprentissages qu’ils ont réalisés.

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.

Full frame distilled prediction

Teacher imitation

Not 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.

metaresearch head score (Codex)0.012
metaresearch head score (Gemma)0.010
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMetaresearch, Meta-epidemiology (narrow), Science and technology studies, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesScience and technology studies, Research integrity
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Other design · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.570
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0120.010
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.002
Science and technology studies0.0020.006
Scholarly communication0.0010.001
Open science0.0010.000
Research integrity0.0030.003
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.072
GPT teacher head0.359
Teacher spread0.287 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it