Engager les élèves dans l’apprentissage de l’orthographe grammaticale française en milieu pluriethnique et plurilingue
Bibliographic record
Abstract
L’engagement des élèves, qui revêt des aspects à la fois affectifs et cognitifs, est un facteur clé de la réussite, notamment en littéracie. Dans les écoles francophones québécoises, où le paysage scolaire est marqué par une grande diversité linguistique et culturelle, l’engagement des élèves, qualifiés de « bi/plurilingues », se voit tout particulièrement favorisé par la mise en place de contextes d’ empowerment associés à la mobilisation de leurs savoirs et savoir-faire dans toutes les langues de leur répertoire. Dans ce contexte, pour soutenir l’apprentissage de la langue de scolarisation, il apparait judicieux de mettre en place des approches dites « plurilingues ». La contribution traite ainsi d’un objet d’apprentissage représentant un défi important pour l’ensemble des élèves scolarisés en français : l’orthographe grammaticale. A été testé un dispositif plurilingue visant à la fois à engager les élèves dans leurs apprentissages et à développer leur compétence orthographique. L’article explicite les critères auxquels répond ce dispositif plurilingue, puis illustre les manières dont il suscite l’engagement cognitif et affectif des élèves.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".