Développement professionnel pour l’enseignement direct et explicite du vocabulaire scolaire et polyvalent dans les écoles de langue française en contexte minoritaire
Bibliographic record
Abstract
Apprendre une langue dans une communauté linguistique minoritaire peut mener à des difficultés sur le plan de l’acquisition et du maintien de cette langue. Cette recherche-action avait comme buts l’amélioration des pratiques pédagogiques utilisées pour l’enseignement du « vocabulaire scolaire » et polyvalent des élèves en contexte minoritaire, et la sensibilisation des équipes-écoles aux enjeux liés à l’enseignement d’une langue minoritaire par le biais d’une formation de développement professionnel (DP) destinée aux conseillers pédagogiques sur une période de six mois, selon une stratégie fondée sur le principe de la formation du formateur. Sept conseillers pédagogiques et quatorze membres du personnel enseignant ont participé. Les participants ont répondu à un questionnaire au début et à la fin de l’étude. Malgré certains défis, la plupart des participants ont déclaré avoir changé leurs pratiques pédagogiques en lien avec l’enseignement direct et explicite du vocabulaire. De plus, ils ont pris part à un processus de prise de conscience envers les enjeux liés à l’enseignement d’une langue minoritaire.
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 | 0.014 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
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".