Favoriser l’équité dans les classes caractérisées par une forte diversité linguistique : recours aux activités plurilingues dans une perspective coopérative
Bibliographic record
Abstract
Cette recherche-action a été développée en collaboration avec une enseignante d’une classe de 3e primaire (7-8 ans) afin de soutenir la participation de tous les élèves dans une classe multiculturelle et plurilingue. La stratégie pédagogique implantée porte une attention particulière aux élèves peu choisis comme camarades de jeu ou partenaires de travail – autrement dit, qui ont un bas statut parmi leurs pairs. L’objectif du dispositif est de valoriser la contribution de ces élèves en s’appuyant sur leurs compétences linguistiques en langue d’origine dans des activités coopératives. L’étude mesure l’évolution de leur statut parmi les pairs (le nombre de fois où ils sont choisis pour jouer ou travailler) et évalue dans quelle mesure ce statut prédit les interactions dans les petits groupes avant et après l’intervention. Avant l’intervention, ceux qui ont un statut plus élevé dominent les interactions, indiquant une participation inégale. Suite à l’intervention, les statuts et la participation s’améliorent pour tous, et particulièrement pour les élèves qui avaient un statut initial bas. Le statut ne prédit alors plus les interactions dans les groupes de travail. Ces résultats ouvrent des pistes pour favoriser l’équité dans les classes à forte diversité linguistique.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".