Constitution d’un corpus de manuels scolaires en usage à l’école primaire pour l’élaboration d’une liste de vocabulaire transdisciplinaire
Bibliographic record
Abstract
Pour soutenir les élèves du primaire dans leur apprentissage de la langue et des disciplines scolaires, tant en contexte de français langue d’enseignement que de français langue seconde, l’élaboration d’une liste de vocabulaire dit « transdisciplinaire » (Hiebert et Lubliner 2008) s’avère nécessaire. Il n’existe en effet pas de liste de référence pour l’enseignement ciblé des mots qui apparaissent fréquemment dans les matières scolaires au primaire en français et qui ont comme caractéristiques : soit d’être utilisés dans un même sens quelle que soit la matière (souligner, examiner, répondre, expliquer, premièrement, enfin, etc.), soit de posséder des sens différents dans les différentes disciplines et dans la langue (nombre, base, somme, résultat, valeur, représenter, etc.). Dans cet article, nous rendons compte d’un projet de recherche ayant mené 1) à la constitution d’un corpus de plus de 4 millions de mots, à partir de manuels scolaires en usage au Québec pour tous les cycles du primaire, dans cinq disciplines (français, mathématiques, sciences, univers social, éthique et culture religieuse) et 2) à la sélection d’une liste de vocabulaire transdisciplinaire de plus de 2 000 vocables à des fins d’enseignement de la langue et des disciplines scolaires.
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 | 0.007 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.015 | 0.017 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 0.005 |
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".