Se familiariser avec la culture de son milieu en classe d’accueil au primaire
Bibliographic record
Abstract
Cet article présente un aperçu de la problématique, du cadre conceptuel et de la méthodologie d’une recherche en cours de réalisation s’inscrivant dans le cadre d’un programme de maîtrise en didactique des langues secondes. Cette étude vise à rapporter les représentations et pratiques déclarées des enseignants quant à la compétence « Se familiariser avec la culture de son milieu » prescrite au programme de l’accueil au niveau primaire. Une brève présentation de la classe d’accueil et de cette compétence tel que présentée actuellement dans le Programme de formation québécoise (PFEQ) commencera l’article. Ces faits seront ensuite corroborés avec quelques perspectives scientifiques existant en didactique des langues dont le concept de culture en éducation, les rapports qu’entretiennent les concepts de langue et de culture ainsi que les représentations que s’en font les enseignants. À la lumière de ces postulats, des pistes didactiques seront proposées pour développer la compétence « Se familiariser avec la culture de son milieu » chez les élèves en classe d’accueil au primaire. La méthodologie projetée pour la réalisation de la recherche qui sous-tend cet article sera finalement présentée.
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 | 0.011 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 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".