Situations d’enseignement-apprentissage multidisciplinaires à partir d’albums de littérature jeunesse : une pratique littératiée contextualisée
Bibliographic record
Abstract
Vingt enseignantes titulaires de classes multiâges dans une région rurale et défavorisée du Québec ont expérimenté des situations d’enseignement-apprentissage basées sur la littérature jeunesse afin d’enseigner la littératie, c’est-à-dire la lecture, l’écriture et les mathématiques, de manière inclusive. Quarante-trois élèves ont participé à des entretiens de groupe semi-dirigés et ce sont ces résultats qui seront présentés. L’ensemble des résultats issus des productions des élèves et des entretiens menés avec les enseignantes et les élèves démontrent que l’approche proposée permet des apprentissages plus contextualisés et que le plaisir, la créativité et la liberté sont des possibilités plus réelles. Étant donné l’espace disponible dans le cadre de cet article, seuls les résultats liés aux perceptions des élèves sur leurs apprentissages seront considérés en raison de leur intérêt quant à la nature de l’approche d’enseignement proposée. Ces perceptions tendent à démontrer que l’approche à partir de l’album de littérature jeunesse semble permettre de contextualiser les apprentissages et d’en faire un contexte social.
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.008 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".