Ãcrire à la manière d'un auteur au premier cycle du primaire : pratiques et impacts
Bibliographic record
Abstract
Plusieurs auteurs (Nadon, 2007; Tauveron, 2005; Routman, 2010) ont mis de l’avant des propositions didactiques pour enseigner l’écriture de façon optimale à partir de la littérature de jeunesse, notamment en amenant les élèves à s’inspirer du style d’un auteur. Puisque la littérature de jeunesse est encore peu employée pour induire des situations d’écriture au primaire (Montésinos-Gelet et Morin, 2007), cette recherche présente un dispositif novateur, soit l’écriture à la manière d’un auteur qui consiste à placer l’élève dans une situation d’appropriation-observation d’une oeuvre littéraire dans le but d’en ressortir ses caractéristiques et de l’imiter (Geist, 2005 et Tauveron, 2002). Selon Olness (2007), l’exposition à une littérature de jeunesse de qualité est essentielle pour permettre aux élèves d’apprendre une variété de styles et d’éléments littéraires.\nCette recherche a pour but de décrire dix séquences d’écriture à la manière d’un auteur conçues par l’enseignante-chercheuse et d’identifier les impacts de celles-ci, auprès des élèves, sur leurs habiletés en production écrite, de compréhension en lecture et sur leur\nmotivation à l’écriture. Cette recherche a été réalisée pendant une période de 5 mois auprès de 18 élèves d’une classe de 2e année du primaire. Il ressort de cette recherche que les élèves ont grandement développé leur capacité à analyser et imiter les caractéristiques d’un texte source et qu’ils ont transféré ces apprentissages au-delà du contexte de notre recherche. Par la pratique fréquente et le modelage, ils ont assimilés les six traits de\nl’écriture et ont manifesté un intérêt grandissant envers la littérature de jeunesse.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.008 | 0.004 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.038 | 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".