UNE APPROCHE MULTIMODALE POUR ACCOMPAGNER LA LECTURE LITTÉRAIRE AU SECONDAIRE : CRÉER DES BANDES-ANNONCES À PARTIR DE BANDES DESSINÉES
Bibliographic record
Abstract
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.
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 | 0.003 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.039 | 0.010 |
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".