Description et analyse de pratiques d’enseignants experts qui utilisent la littérature jeunesse au 1er cycle du primaire pour l’enseignement-apprentissage du vocabulaire
Bibliographic record
Abstract
Au tournant des années 2000, un désir de renouveau pédagogique amène le ministère de l’Éducation du Québec à revoir ses programmes ministériels (2006 ; 2009) et à leur apporter plusieurs modifications de taille. Appuyé par les recherches sur le sujet, ce dernier accorde alors, dans ses écrits, une place enviable à l’acquisition et l’accroissement du vocabulaire (Graves, 1986 ; Mel’čuk et Polguère, 2007 ; Tremblay, 2004). Néanmoins, la réalité dans les écoles primaires au Québec est toute autre, alors que le lexique est formellement peu enseigné en classe (Anctil, Singcaster et Tardif, 2018), et ce, malgré le fait que les enseignants dressent un portrait lacunaire du vocabulaire de leurs élèves : imprécision et redondance des mots employés, difficultés de compréhension, etc. (Grossmann, 2011). Dans la plupart des cas, cela s’explique par le fait que les enseignants ont besoin d’être outillés (Beck, McKeown et Kucan, 2013) et c’est dans cette optique que nous avons décrit et analysé des pratiques effectives expertes sur le sujet. \nPour réaliser cette recherche, 2 enseignants jugés experts dans l’utilisation de la littérature jeunesse, un outil à privilégier (Léon, 2004 ; Montésinos-Gelet, Dupin de Saint-André et Noël, 2008) dans ce contexte, ont été retenus. Nous nous sommes ensuite rendus dans leur classe respective afin d’observer et d’analyser leurs pratiques en contexte réel lors de 5 séances d’enseignement-apprentissage du vocabulaire réalisées à l’aide d’albums jeunesse. Pour rendre compte de leurs pratiques, nous avons élaboré une grille d’observations basée sur le modèle multi-agenda (Bucheton et Soulé, 2009), qui s’articule autour de 5 préoccupations, et le cadre de référence de Jackson (1966 ; 1968). Nous nous sommes intéressés aux pratiques enseignantes, aux dispositifs d’enseignement ainsi qu’aux apprentissages ciblés (mots issus des œuvres et relations lexicales fondamentales). \nAu terme de nos observations et de notre analyse, nos résultats démontrent notamment que les deux enseignants observés privilégient deux dispositifs d’enseignement différents, qu’ils utilisent tous deux la lecture répétée et que leur sélection des mots enseignés est variable.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".