La transposition didactique dans le domaine de la didactique du francais : proposition d’une demarche-type a partir d’une revue narrative
Bibliographic record
Abstract
Afin de contribuer à l’affinement du concept de transposition didactique, le présent article analyse ce processus tel que mis en œuvre dans le domaine de la didactique du français, à l’aide d’une revue narrative des écrits. Dans un premier temps, la description de quatre démarches de transposition didactique adoptées dans le cadre de recherches menées dans ce domaine présente comment chacune a respectivement conduit à la création de dispositifs en didactique de la lecture, de l’oral et de l’écriture. Il s’agit de la conception continuée dans l’usage de Goigoux (2017), de l’ingénierie didactique de Dolz et Schneuwly (1998), de l’ingénierie didactique collaborative de Sénéchal (2018) et de l’arrimage et l’articulation des savoirs de Fejzo (2017). Dans un second temps, une analyse comparative des quatre démarches permet de dégager les caractéristiques qui leur sont communes et celles qui les distinguent. Sur la base de cette analyse comparative, une démarche-type de transposition didactique en didactique du français est proposée. Cette démarche-type pourrait servir de référence aussi bien aux enseignantes qu’aux chercheurs en didactique du français.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.021 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 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".