« Écrire dans » : Écriture littéraire sur écran. Présentation d’une expérimentation en classe de 3e année du secondaire
Bibliographic record
Abstract
L’article s’appuie sur le cadre théorique de la didactique d’une écriture de l’intertextualité (Houdart-Mérot et Mongenot, 2013), selon le modèle de la greffe discursive que présente Le Goff (2011), sur celui de la génétique textuelle associée à une perspective didactique (Fabre-Cols, 2004 ; Doquet, 2011), et sur celui de l’écriture numérique (Saemmer, 2010, 2015) et des dispositifs d’innovations didactiques qu’elle favorise (écriture sur écran, écriture collaborative). Il se propose d’analyser une expérimentation menée sur une année, dans une classe de 3eannée du secondaire : les élèves ont été conduits à écrire directement dans un texte d’écrivain et à opérer des manipulations de ce texte (de types supprimer, déplacer, coller et développer). Ils dialoguent ainsi avec le texte de l’auteur, apprenant de ce tissage qu’ils fabriquent eux-mêmes. Ce dispositif, mené selon différentes modalités, a permis de développer une posture d’auteur engagé dans son texte, ainsi que des compétences d’écriture 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 | 0.005 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.038 | 0.008 |
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".