MOMENTS DE RÉCEPTION EN LECTURE ET EN SPECTATURE : LE CAS D’INCENDIES AU CÉGEP
Bibliographic record
Abstract
La didactique de la lecture est en constante évolution depuis une vingtaine d’années au Québec et intègre progressivement les TICs et les compétences multimodales (Lebrun, Lacelle et Boutin, 2012). D’un point de vue épistémologique, la phénoménologie de la lecture repense le rôle du lecteur à la lumière de ces changements. Cette étude se penche sur les « transactions » (Rosenblatt, 1978) chez des lecteurs du CÉGEP entre les deux formes d’Incendies, soit un texte dramaturgique et une adaptation cinématographique. À partir d’une récente étude sur les réactions esthétiques multimodales d’élèves de 3esecondaire en situation de lecture textuelle (White et Lemieux, sous presse ; Lemieux et Lacelle, 2016) et nous inspirant d’un modèle théorique de la lecture/spectature (Lacelle, 2009, 2012), nous présentons les résultats d’une étude de cas retraçant les moments d’engagement dans l’univers narratif d’Incendiesdans sa forme écrite (monomodale) et filmique (multimodale). Cette étude fournit des pistes conceptuelles et empiriques ainsi que de nouveaux ancrages épistémologiques — en l’occurrence, dans le domaine des arts — pour les recherches à venir dans le domaine de la didactique de la lecture.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".