Atouts et limites de tâches ancrées dans la vie réelle pour le développement de compétences langagières et de la citoyenneté numérique. Perceptions d'enseignants
Bibliographic record
Abstract
La recherche a fait ressortir ces dernières années les bénéfices que divers apprenants de langues ont retiré de leur participation à des sites ouverts et participatifs, notamment en termes de développement des compétences langagières, tout particulièrement en langues additionnelles. Cela a amené divers chercheurs à s'interroger sur des pistes possibles pour exploiter le potentiel de telles participations dans le cadre d'un enseignement-apprentissage des langues. Les tâches ancrées dans la vie réelle semblent constituer une perspective intéressante d'autant qu'elles permettent d'intégrer l'éducation à la citoyenneté numérique à la didactique des langues. La présente recherche analyse les perceptions que des enseignants de langues ont des tâches ancrées dans la vie réelle, notamment en termes d'atouts et de limites pour l'enseignement-apprentissage des langues en général et pour l'éducation à la citoyenneté numérique. L'étude montre que les atouts identifiés sont plus nombreux que les limites, que des dimensions principales et intrinsèques des tâches ancrées dans la vie réelle sont identifiées et que les limites redoutées sont surtout liées au cadre institutionnel et à des questions de littératie insuffisante chez les apprenants et enseignants. Au niveau de la citoyenneté numérique on constate surtout un déficit d'information chez les enseignants et une difficulté évidente à faire le pont entre enseignement-apprentissage des langues et éducation à la citoyenneté numérique.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| 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".