Quand l’analyse paralyse ; l’écriture analytique et l’écriture réflexive dans l’enseignement de la littérature au collégial auprès d’étudiants en difficulté
Bibliographic record
Abstract
Pour l’élève lecteur, l’écriture réflexive consiste à rendre compte par écrit de ses pratiques langagières (Chabanne & Bucheton, 2002), à réfléchir sur son parcours de lecteur et à mettre à distance diverses interprétations (Sauvaire, 2017). Lorsqu’elle s’inscrit dans une approche didactique de la lecture littéraire, l’écriture réflexive serait peu ou pas enseignée (Bucheton, 2014 ; Bishop, 2010). Nous constatons un hiatus entre, d’une part, les approches subjectives de la lecture littéraire et de l’écriture réflexive recommandées par certains chercheurs, et d’autre part, les approches formalistes de la lecture analytique et de l’écriture dissertative au collégial, sédimentées dans les pratiques de nombreux enseignants. Cette recherche collaborative vise à comprendre comment une enseignante de littérature au cégep intégre l’écriture réflexive dans ses pratiques habituelles d’enseignement de la lecture littéraire. Nous avons enregistré et analysé une séquence didactique expérimentée en classe, des entrevues semi-dirigées avec elle et différents écrits produits par ses étudiants, tous reconnus comme étant en difficulté. L’étude des pratiques déclarées et observées de l’enseignante ainsi que l’analyse des écrits réflexifs et analytiques nous permettent de suggérer des pistes pour réduire ce hiatus.
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 | 0.016 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.009 | 0.023 |
| Scholarly communication | 0.024 | 0.022 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.009 |
| Insufficient payload (model declined to judge) | 0.020 | 0.006 |
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".