Regard sur la mise en œuvre effective d’un dispositif de mediation sociocognitive pour enseigner la recommandation d’une œuvre narrative a l’ecrit au primaire 3e cycle
Bibliographic record
Abstract
Dans le cadre d’une recherche en cours, nous concevons un dispositif didactique qui actualise la démarche de médiation sociocognitive de Barth (2013) pour l’enseignement et l’apprentissage de l’écriture des genres textuels en classe de langue. Nous présentons dans cet article les résultats de la mise en œuvre effective d’une première version de ce dispositif qui a été utilisé pour enseigner l’écriture du genre « recommandation d’une œuvre narrative ». Lors de cette première phase, nous avons collaboré avec deux enseignantes de sixième primaire (l’une titulaire, l’autre d’anglais langue seconde) œuvrant en contexte de coenseignement dans un programme d’anglais intensif au Québec. Cette collaboration avait pour but d’élaborer une séquence didactique intégrant le dispositif didactique, puis de la mettre en œuvre en salle de classe. L’analyse des films de classe nous a permis de comparer la mise en œuvre effective du dispositif didactique à la démarche de médiation telle que présentée par Barth et d’en dégager les cohérences et les écarts avec ladite démarche. Ces résultats nous permettent également de présenter les apports de la démarche de médiation sociocognitive pour la conception du dispositif didactique et de proposer des ajustements inspirés de sa mise en œuvre.
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 | 0.013 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.009 | 0.019 |
| Scholarly communication | 0.016 | 0.010 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.019 | 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".