Mobilité connectée, corporéité et multimodalité : développement d’une littératie numérique sensorielle en classe d’arts visuels et médiatiques avec les adolescent·es
Bibliographic record
Abstract
Équipé·es de leur téléphone portable connecté aux réseaux sociaux, les adolescent·es traversent différents territoires géographiques et sociaux tout au long de leur journée. Cette fluidité spatiale se produit par la manoeuvre d’outils qui les mettent constamment dans une posture de réception et de production de contenu : messages textuels ou vocaux, échanges de photographies avec ou sans filtre, stories , émoticônes, vlogues. Comment transposer cette mobilité et cette hyperconnectivité quotidienne en classe d’arts visuels et médiatiques au secondaire et promouvoir une littératie multimodale chez les adolescent·es ? Cet article examine comment cette mobilité connectée quotidienne peut soutenir l’enseignement-apprentissage en arts et transformer le rapport qu’entretiennent les jeunes avec la création numérique. En présentant les résultats d’une étude réalisée en milieu scolaire secondaire au Québec (Canada), l’article explore le croisement de la mobilité connectée, de la corporéité et de la multimodalité pour le développement d’une littératie numérique sensorielle chez les élèves adolescent·es.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".