Décoloniser le curriculum dans les cours de français avec du contenu louisianais : stratégies de résistance
Bibliographic record
Abstract
Cet article examine les stratégies permettant aux enseignants et enseignantes de décoloniser le programme scolaire dans les classes de français en intégrant la langue et la culture françaises de Louisiane dans les programmes de la maternelle à la 12e année et au collège et à l’université. S’appuyant sur une recherche antérieure (Parker, 2019) soulignant l’importance de l’enseignement du français de Louisiane dans les collèges et universités, il poursuit la discussion en abordant la nécessité de décoloniser le programme de français en Louisiane et de promouvoir la langue et la culture françaises de Louisiane comme élément central dans tous les cours de français, de la maternelle à la terminale, ainsi que dans l’enseignement supérieur. À l’aide d’une recherche documentaire entreprise en 2024 y compris d’exemples tirés de Louisiana Historic and Cultural Vistas, Louisiana | Perspectives | Louisiane et Télé-Louisiane, cet article propose des approches pratiques pour intégrer la langue et la culture françaises de Louisiane dans le programme scolaire. Il plaide en faveur d’un cadre éducatif décolonisé et culturellement pertinent, tout en reconceptualisant, normalisant et faisant progresser les programmes de français mettant en valeur le français régional de la Louisiane.
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 | 0.006 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.020 | 0.009 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.011 | 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".