Pour une intégration citoyenne actualisée dans les classes de français langue seconde
Bibliographic record
Abstract
Le gouvernement québécois souhaite intégrer ses immigrants afin d'en faire une tranche active de la population. Cette intégration passe à la fois par l'apprentissage de la langue et par la connaissance et l'appartenance à notre culture. Les classes de français langue seconde, où transitent chaque année un bon nombre d'immigrants, sont un vecteur de choix pour la transmission des valeurs québécoises et des éléments qui fondent la culture du Québec. Or, pour permettre aux enseignants de transmettre des éléments culturels en classe, il faut un consensus, relayé sous forme de programme pédagogique ou de guides d'enseignement. Au milieu des années 1990, le ministère de l'Immigration et des Communautés culturelles du Québec a justement élaboré une vaste collection, Québec Atout, qui vise à la fois l'apprentissage du français et l'apprentissage de diverses composantes culturelles. Quinze ans plus tard, cette collection est délaissée par les intervenants en francisation, faute de mises à jour de son contenu et de son approche pédagogique. La pertinence de ce matériel n'est pas à remettre en cause. Pour actualiser Québec Atout, il faudrait cependant revoir certaines dimensions, dont les valeurs et les codes communicationnels et y intégrer une approche actionnelle. Il faudrait surtout tirer profit des technologies émergentes, qui se doivent d'être intégrées en salle de classe et qui peuvent, lorsqu'elles sont bien utilisées, devenir un puissant véhicule d'intégration.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.015 | 0.004 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.022 | 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".