Plurilinguisme au musée : les langues au coeur du développement plurilittératié et des apprentissages en sciences
Bibliographic record
Abstract
Une étude menée en collaboration avec des institutions muséales comme sites éducatifs dans un milieu hautement plurilingue et multiculturel sert de toile de réflexion pour mieux comprendre comment de jeunes locuteurs plurilingues font sens de leurs langues et des pratiques d’écrit et mobilisent, en situation, des ressources plurilingues pour comprendre et apprendre. Nous présentons quelques réflexions à partir d’exemples tirés d’une étude pilote menée avec de jeunes enfants de 5 ans ayant participé à des ateliers de science organisés au musée. Au cours de ces ateliers, il leur a été demandé de documenter et d’illustrer leurs apprentissages au sujet des animaux et de leurs traces, au moyen du dessin et de la photo (Molinié, 2009 et 2014) et de la création collaborative d’un livre digital à l’aide d’une tablette tactile (Sandvik, Smørdal et Østerud, 2009). La contribution est l’occasion de poser quelques questions sur le rôle du français dans le développement littératié au sein d’un environnement essentiellement anglophone où les langues chinoises sont largement dominantes par rapport à l’autre langue officielle du Canada.
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 | 0.006 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.015 | 0.016 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.001 | 0.002 |
| 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".