Bibliographic record
Abstract
La recherche sur l’apprentissage des langues assistées par ordinateur (ALAO) et sur les technologies de l’information et de la communication (TIC) pour l’enseignement s’interroge souvent sur ce qu’est une technologie donnée, ce qu’elle fait et ce à quoi elle sert. Les réponses à ces questions s’alignent le plus souvent sur des modèles instrumentaux ou déterministes qui accordent une place centrale à l’agentivité humaine pour déterminer la fonction d’une technologie dans une classe de langue. Moins communément, la recherche en ALAO met l’accent sur la manière dont les enseignants répondent chaque jour à ces questions en salle de classe et sur les influences surprenantes et émergentes que pourraient avoir les technologies sur les salles de classe. La théorie néo-matérialiste offre un mode de compréhension du monde différent, qui décentre l’agentivité humaine. Cette perspective offre aussi un point de vue différent sur la façon dont les TIC peuvent avoir un impact sur la didactique des langues. Je reviens sur une étude portant sur des enseignants de langues et la mise en œuvre des TIC et je la re-vois au travers d’une lentille rhizomatique deleuzo-guattarienne. Cette façon de penser permet de comprendre comment ces technologies fonctionnent dans des agencements de salles de classe pour produire l’enseignement des langues. Je juxtapose une vignette composite anthropocentrique avec une vignette vue sous un prisme rhizomatique, soulignant ainsi la transition d’une perspective théorique traditionnelle vers une perspective radicalement différente. Cette perspective théorique a des ramifications pour la recherche et la pratique dans les plus grands domaines de l’ALAO et mérite de faire l’objet d’explorations et d’expérimentations plus poussées.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.007 | 0.014 |
| Scholarly communication | 0.015 | 0.014 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".