Le projet <i>Passeurs de lecture</i>
Bibliographic record
Abstract
Bien que la compétence culturelle serve, avec la compétence linguistique, de base à toutes les autres compétences professionnelles des futurs enseignants, peu de recherches documentent ce qui se fait concrètement pour préparer ces derniers au rôle de passeur culturel (Lépine et coll., 2021), un rôle à la fois d’héritier, de critique, d’interprète et de médiateur d’éléments de savoirs et culture dans l’exercice de leur profession. Dans cette perspective, le projet Passeurs de lecture implanté à l’Université de Sherbrooke est une initiative novatrice contribuant à inciter les futurs enseignants à devenir de véritables acteurs de changement social par le biais de la lecture et de la culture. Les futurs enseignants qui souhaitent prendre part au projet reçoivent une formation de base sur l’animation du livre par la lecture interactive. Ils sont ainsi en mesure d’animer auprès d’élèves du préscolaire, du primaire et du secondaire des lectures interactives d’oeuvres de littérature de jeunesse préalablement choisies. À la fin de chaque animation, l’étudiant passeur de lecture « passe », c’est-à-dire offre, un exemplaire d’un livre de la sélection aux élèves. À leur tour, ceux-ci deviennent des « passeurs de lecture », en faisant circuler le livre reçu dans leur entourage. En rendant actifs les futurs enseignants, ce projet cherche à renforcer non seulement leurs compétences pédagogiques, mais aussi leur rôle comme vecteurs de transmission culturelle et d’engagement citoyen.
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 | 0.010 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.013 | 0.006 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.044 | 0.013 |
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".