LECTURE DE TEXTES LATINS ET MITIC FONT BON MÉNAGE : QUELQUES CONSIDÉRATIONS SUR L’ENSEIGNEMENT DU LATIN EN SUISSE ROMANDE
Bibliographic record
Abstract
Le Plan d’études romand, qui concerne l’école obligatoire et qui est entré en vigueur dans les cantons de Suisse francophone en 2011, insiste davantage que les plans d’études antérieurs sur la lecture de textes latins, que ce soit en langue originale ou en traduction, et sur le recours aux médias, images et technologies de l’information et de la communication (MITIC). La rencontre avec la littérature latine se trouve grandement facilitée par les MITIC. De fait, en mettant à disposition des élèves tant des aides lexicales et morphologiques que des adaptations de textes latins dans d’autres formes d’expression plus familières tels que films, bandes audios, bandes dessinées ou oeuvres d’art, ou encore en leur permettant d’en créer, les MITIC rapprochent les textes latins des élèves, favorisant leur compréhension générale et leur contextualisation. Outre quelques réflexions théoriques, cette contribution se propose essentiellement de présenter quelques sites et portails liés à l’Antiquité, tout comme de montrer quelques dispositifs didactiques alliant l’étude conjointe de textes latins et de films, de bandes audios, de bandes dessinées et d’oeuvres d’art constituant des adaptations desdits textes.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".