Enseigner les stratégies de révision grammaticale avec le dispositif « Profil de scripteur » : description de pratiques didactiques déclarées et jugées efficaces par des enseignants du secondaire au Québec
Bibliographic record
Abstract
L’apprentissage de stratégies de révision grammaticale constitue un enjeu de réussite scolaire en écriture pour les élèves québécois. Le dispositif « Profil de scripteur », combinant quatre outils en synergie, offre la possibilité aux enseignants de différencier leur enseignement de ces stratégies afin de répondre aux besoins de leurs élèves. Cet article a pour objectif de décrire les pratiques d’implantation du dispositif déclarées par des enseignants du secondaire (élèves de 12-16 ans). Les résultats, recueillis par questionnaire et par entretien collectif, montrent qu’une majorité utilise trois des quatre outils. Les enseignants affirment que le « Profil de scripteur » les aide à mieux planifier et enseigner les stratégies de révision. Cependant, une démarche d’autocorrection unique est offerte aux élèves plutôt que d’être personnalisée en fonction des besoins observés grâce aux outils du « Profil de scripteur ». Six pratiques gagnantes ont été dégagées pour favoriser la mise en œuvre de ce dispositif et éclairer les pratiques de classe.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".