La grammaire et le numérique : des premiers pas hésitants
Bibliographic record
Abstract
Le manuel scolaire numérique est apparu récemment. Il vient amplifier le potentiel didactique du manuel traditionnel, entre autres par son utilisation de la multimodalité et de l’hypertexte. L’article se penche sur le cas particulier de vingt-et-un manuels numériques québécois de grammaire. Ils ont été analysés à l’aide d’une grille conçue avec le logiciel Microsoft Access. Trois volets de cette analyse sont ici présentés, soit la phrase, la conjugaison et les accords. En général, les manuels numériques de grammaire analysés témoignent d’une appropriation peu efficace du potentiel numérique, plusieurs n’étant qu’une simple copie PDF de leur version imprimée. Ainsi en est-il du traitement de la conjugaison, où l’interrelation entre les notions relatives au verbe est inexistante, ou encore, de l’accord de l’adjectif, pour lequel seulement la moitié des manuels recourt aux manipulations. Certaines collections se distinguent cependant par l’originalité de leur recours au numérique. Ainsi, pour la phrase, les plus récentes intègrent des démonstrations animées de transformations à partir de la phrase de base. De plus, ces manuels numériques offrent des exercices avec rétroaction immédiate, sous forme de note, de commentaire ou de retour vers le contenu théorique. L’utilisation bien timide du numérique dans tous les manuels de grammaire est cependant à repenser.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.009 |
| Scholarly communication | 0.008 | 0.009 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".