La composante culturelle dans le programme d’intégration linguistique du ministère de l’Immigration, de la Diversité et de l’Inclusion du Québec
Bibliographic record
Abstract
Séparer l’enseignement/apprentissage de la langue étrangère de son contexte socioculturel signifierait la déformer, la priver de son rôle de vecteur de l’identité, des valeurs de ses locuteurs. Apprendre une langue étrangère, c’est accéder à une nouvelle culture avec tout ce qu’elle implique. Mais c’est surtout appréhender les marques implicites des relations sociales des gens qui la parlent. Enseigner conjointement langue et culture est primordial pour les sociétés qui sont ouvertes à l’immigration, tel le Québec.Pour que les nouveaux arrivants puissent s’intégrer à la vie collective du pays d’accueil, il est indispensable qu’ils apprennent la langue de la majorité linguistique. Toutefois, il est nécessaire aussi de leur faire comprendre que la langue va au-delà du simple sens des mots : elle est révélatrice d’attitudes et de comportements dont l’adoption est un gage pour une intégration réussie. L’objectif principal de notre article est donc de démontrer l’indivisibilité de la langue et de la culture dans le programme d’intégration linguistique pour les immigrants du ministère de l’Immigration, de la Diversité et de l’Inclusion du Québec.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.005 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".