Manuels de FLS et vidéos YouTube : considérations et pistes d’évaluation pour l’enseignement de la variation
Bibliographic record
Abstract
Une plus grande place est désormais accordée à la variation linguistique en salle de classe, notamment en compréhension orale dans le programme Francisation : Formation générale des adultes (MEES, 2015). Il apparait donc à propos de se pencher sur l’exploitation de la variation en salle de classe, qui passe habituellement par le matériel pédagogique (Monerris Oliveras, 2015). Pour aborder ce sujet, les enseignants peuvent avoir recours à des outils comme des manuels ou des vidéos YouTube mettant de l’avant le français québécois (FQ). Toutefois, des études montrent que dans les manuels, la variation est peu abordée et que la langue présentée n’est pas représentative des usages réels des locuteurs (p. ex., Etienne et Sax, 2009). De plus, les explications sont empreintes de l’idéologie du standard (Remysen, 2018), idéologie se trouvant aussi au coeur des vidéos YouTube portant sur le FQ. Considérant ces éléments, nous faisons ressortir les défis dans l’emploi de ces supports, et nous proposons des pistes d’évaluation du contenu à des fins pédagogiques.
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 | 0.028 | 0.073 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.005 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".