Ludification de l’enseignement-apprentissage du français (FL1/FLS) : une revue de la portée
Bibliographic record
Abstract
Cette revue de la portée fait partie d’une stratégie globale de recherche menée par une équipe pluridisciplinaire de l’Université d’Ottawa qui s’intéresse à la place du jeu comme approche pédagogique. Plus spécifiquement, cette étude vise à identifier comment le jeu et les dispositifs ludifiés sont utilisés pour soutenir l’enseignement-apprentissage du français (FL1/FLS) pour les élèves de la 4e à la 8e année (9 à 14 ans). Une stratégie de recherche systématique a été mise en œuvre dans huit bases de données, identifiant 1848 références publiées entre 2012 et 2022, références importées dans Covidence. Après retrait des doublons, 1540 titres et résumés ont été évalués pour aboutir à 128 articles qui ont été étudiés en détail, permettant l’inclusion de 20 articles qui ont été rigoureusement analysés avec NVivo. Nos résultats indiquent que pour l’enseignement-apprentissage du français par le jeu, la notion de plaisir reste encore taboue, les jeux numériques sont encore peu utilisés en salle de classe et si le jeu ludique est largement exploité au jardin d’enfants et le jeu sérieux aux cycles secondaires et supérieurs, il est presque absent entre la 4e à la 8e année.
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 | 0.043 | 0.089 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.012 | 0.021 |
| Science and technology studies | 0.006 | 0.012 |
| Scholarly communication | 0.023 | 0.019 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.019 | 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".