Articuler éducation aux médias et citoyenneté : une analyse du Programme de formation de l’école québécoise préscolaire-primaire
Bibliographic record
Abstract
Au Canada, le faible niveau de connaissance des contenus en éducation aux médias véhiculés par les curricula scolaires proscrit leur évaluation critique. Cet article présente les façons selon lesquelles l’éducation aux médias est introduite dans le Programme de formation de l’école québécoise (PFEQ) des niveaux préscolaire et primaire. Plus spécifiquement, il témoigne des articulations entre éducation aux médias, enfance et citoyenneté. La méthode utilisée procède au repérage et à l’extraction d’énoncés associés aux technologies de l’information et de la communication (TIC) et aux médias, puis à leur classement en quatre catégories principales : discours, verbes témoignant des actions de chaque catégorie d’acteurs (école, élève, enseignant), objets d’apprentissage et suggestions d’utilisation des TIC. Une classification permet de faire émerger les verbes et les objets d’apprentissage référant à la notion de citoyenneté en utilisant la définition et les composantes associées. Ces derniers sont ensuite soumis à une analyse de discours. Notre analyse fait émerger les discours véhiculés par le PFEQ sur les médias et les TIC. Elle met en exergue les rôles, les tâches et les responsabilités des différents acteurs en lien avec l’acquisition de connaissances et le développement de compétences. En outre, elle présente les actions menées par ces acteurs afin d’opérationnaliser les intentions pédagogiques du programme. La conclusion montre un faible ancrage disciplinaire des énoncés traitant de l’éducation aux médias et à la citoyenneté, des contenus pertinents, mais limités thématiquement, ainsi qu’une représentation de l’élève en tant qu’individu capable de réflexion et de pensée critique.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".