Coconstruction de ressources pour favoriser le développement de l’oral pragmatique des élèves de 12 à 17 ans par l’entremise des émotions et des astuces de communication
Bibliographic record
Abstract
En classe, les élèves ont peu l’occasion de développer une réflexion métalinguistique afin d’adapter leurs prises de parole aux différents individus et aux diverses situations qu’ils rencontrent au quotidien. Un tel travail pourrait être fait par l’entremise de l’approche didactique de l’oral pragmatique, mais les données de recherche sur cette approche concernant les élèves de 12 à 17 ans sont rares. Cela nous a amenés à nous poser la question de recherche suivante : Comment des enseignantes du secondaire peuvent-elles favoriser le développement de la compétence à communiquer oralement de leurs élèves par l’entremise de l’oral pragmatique ? Pour répondre à cette question, une recherche collaborative a été menée de 2021 à 2024 au Québec à raison de 13 rencontres et a permis d’identifier, à l’aide des enseignantes, les astuces de communication les plus utiles pour les élèves du secondaire afin de favoriser le développement de leur compétence à communiquer oralement. Elle a également permis de coconstruire des ressources permettant d’outiller les enseignantes dans l’enseignement de l’oral pragmatique. Cette contribution présente ces astuces et ressources ainsi que leur processus de coconstruction.
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 | 0.005 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.024 | 0.006 |
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".