Négociation et reconfiguration des identités en classe de <i>Langues et Cultures Nationales</i> au Cameroun
Bibliographic record
Abstract
Les langues d’origine camerounaise ou langues autochtones sont enseignées sous l’appellation officielle de Langues et Cultures Nationales (LCN) dans des établissements d’enseignement secondaire pilotes du pays. En les intégrant dans l’éducation, l’État voudrait protéger et promouvoir son patrimoine linguistique et culturel qui semble menacé de disparition. Cet article se propose d’étudier comment, dans des classes où cette nouvelle discipline est enseignée, le non-respect de certains rituels pédagogiques par les apprenants, avec ou non la permission de l’enseignant, ouvre des séquences dans lesquelles les identités de ces acteurs de classe se complexifient, se négocient et se reconfigurent. En effet, à ces moments de déritualisation, lorsque certains rôles de l’enseignant sont joués par un apprenant, celui-ci se positionne pour un temps comme « enseignant » de la salle, ce qui finit par le motiver. C’est souvent le cas quand l’enseignant demande à un apprenant d’utiliser une langue nationale (c’est-à-dire une langue locale) ou de parler des pratiques culturelles non connues de cet enseignant. Toutefois, l’enseignant, dans ses tentatives de négocier son identité, a recours à des stratégies qui lui permettent de reprendre son expertise. Ce travail repose sur une enquête essentiellement qualitative menée dans un établissement d’enseignement des LCN à Ngaoundéré.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.009 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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.
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".