Tensions autour de l’enseignement des littératies plurielles en milieu minoritaire
Bibliographic record
Abstract
Le rapport de force entre les langues est devenu évident lors de l’adoption d’une innovation pédagogique visant le développement des littératies plurielles dans une classe du primaire en milieu francophone minoritaire. La titulaire de classe et l’enseignante d’anglais langue seconde ont collaboré dans des activités de production d’histoires bilingues à l’aide de l’outil numérique ScribJab. Les interactions dans cette classe ont été observées, photographiées et filmées dans une étude ethnographique pendant la production des histoires et les élèves et les enseignantes ont été interviewés sur leurs réactions à l’innovation. L’étude s’appuie sur les recherches qui révèlent la nature flexible et fluide des littératies plurielles, lesquelles sont constituées d’un mélange de codes, de variétés linguistiques et de modes d’expression. Les discussions théoriques sur les liens entre la langue et le pouvoir ainsi que les écrits sur le plurilinguisme, les littératies plurielles, la multimodalité et les politiques linguistiques ont aussi enrichi ce travail. Nous proposons dans cet article un récit ethnographique sur les tensions et les contradictions provoquées par la cohabitation des langues, traditionnellement séparées, durant les activités de production bilingue en contexte scolaire minoritaire.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.015 | 0.014 |
| Scholarly communication | 0.014 | 0.007 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.002 | 0.003 |
| 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".