“Sa:y What You Want . . .”: Rap Battles in a Technology-Enhanced Classroom
Bibliographic record
Abstract
Les paysages communicationnel et linguistique évoluant constamment, les élèves de la maternelle à la 12e année s’engagent dans des exercices d’alphabétisation très variés (tant sur papier qu’à l’écran) dans des salles de classe où l’enseignement est assisté par la technologie. Grâce aux possibilités qu’offrent les technologies, il est désormais facile de se déplacer entre les différents espaces d’apprentissage, à l’intérieur et à l’extérieur des lieux physiques que sont ces salles de classe. Il s’ensuit que les frontières entre les espaces d’apprentissage interstitiel (non sanctionné) (les corridors par exemple) et les espaces d’apprentissage présentiel (sanctionné par l’école) s’estompent. En circulant entre les espaces d’apprentissage, les apprenants véhiculent leur historique d’apprentissage partagé. L’auteure rend compte des observations tirées d’une étude de cas ethnographique ayant pour objet une classe de 6e année ayant recours à la technologie, envisagée dans une optique théorique de socialisation linguistique. Les données recueillies au fil d’une année scolaire proviennent d’observations sur le terrain, d’entrevues et des journaux mensuels d’activités d’alphabétisation des participants. Les résultats de l’analyse thématique à laquelle l’auteure soumet ces données révèlent que, dans les espaces d’apprentissage interstitiel, les élèves prennent part à des activités d’alphabétisation qui englobent le brassage d’idées issues de YouTube et de joutes rap, dont les conventions sociales diffèrent. Le fait de mieux comprendre ces activités d’alphabétisation devrait, selon l’auteure, avoir des répercussions sur l’efficacité des méthodes pédagogiques des enseignants.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.015 | 0.009 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.018 | 0.005 |
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".