Dispositif d'enseignement de la lecture d'albums jeunesse augmentés par des médias numériques en classe d'accueil
Bibliographic record
Abstract
L’un des principaux buts des classes d’accueil au Québec est de préparer les élèves allophones au cursus scolaire régulier. Pour ce faire, différentes méthodes sont utilisées pour favoriser l’apprentissage des élèves qui ont peu de connaissances de la langue d’accueil. Par exemple, le recours à la multimodalité – soit l’utilisation de dessins, de gestes ou de sons – peut être un moyen didactique d’optimiser l’enseignement et l’apprentissage des disciplines scolaires. Dans l’optique de travailler les compétences de la classe d’accueil tout en préparant les élèves à leur passage au régulier, nous avons élaboré un dispositif d’enseignement qui développe la compétence à Réagir au texte tout en permettant aux élèves de découvrir des oeuvres de littérature jeunesse québécoises. De plus, celles-ci sont augmentées de plateformes numériques leur permettant d’enrichir leur expérience de lecture tout en développant des compétences numériques. Pour réaliser notre recherche-développement, nous avons choisi deux albums de littérature jeunesse qui ont chacun été accompagné d’un enrichissement médiatique. Le premier s’intitule À qui la frite?, de Chloé Varin, et est accompagné d’un atelier d’écriture numérique à partir de la plateforme interactive de la maison d’édition jeunesse Fonfon. Le second s’intitule As-tu vu ma bicyclette?, de Roxane Brouillard, et est accompagné d’un balado jeunesse de la plateforme La puce à l’oreille sur le thème du vélo. Le dispositif didactique élaboré à partir de ces deux albums augmentés a ensuite été présenté à un groupe d’étudiants, dans le cadre d’un cours sur la littératie médiatique multimodale, qui ont rempli un formulaire d’évaluation en ligne (de type Forms) à partir de critères de validation scientifique de la recherche-développement. L’analyse des commentaires recueillis nous a permis de constater que le dispositif proposé était généralement bien accueilli et qu’il répondait aux différentes exigences de la recherche-développement. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : classe d’accueil, multimodalité, francisation, lecture d’album, augmentation numérique
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.063 | 0.019 |
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".