Notice bibliographique
Résumé
Résumé Dans cet article, nous nous concentrerons sur la compétence de compréhension orale en Français Langue Étrangère (FLE). En effet, force est de constater que cette habilité cause problème aux apprenants ne se trouvant pas en situation d’immersion totale. Alors, comment y remédier ? Pour cela, nous souhaitons montrer les variantes des méthodes d’enseignement de l’oral depuis la fin du XIXème siècle jusqu’à nos jours. D’autre part, nous expliquerons comment le message sonore parvient à l’apprenant, quels sont les processus cognitifs mis en place lors de la compréhension orale. Pour finir, nous ferons un tour d’horizon des ressources de compréhension orale que nous pouvons utiliser avec des niveaux avancés de Français Langue Étrangère, et plus particulièrement à l’Université Nationale Autonome du Mexique. Bref, nous focaliserons notre attention sur l’usage de documents authentiques, sur les activités possibles à partir de ce support et des nouvelles technologies. Mots clés enseignement de la compréhension orale, méthodes, processus cognitifs, paysage sonore, document authentique, TICE, mémoire à court, moyen et long terme. Abstract In this article we will concentrate on listening comprehension skill in French Foreing Language. We really verify that this skill causes problems to students who doesn’t find in a total immersion situation. So, how can we solve it? For this reason, we wish to show different methods in teaching listening comprehension skills since the late 19th Century until now. On the other hand, we will explain how the resounding message comes throw students, which are the cognitive process running in this skill. Finally, we will review listening comprehension material that we can use in advanced levels of French Foreing Language, in particular, at the Autonomous National University of Mexico. In short, we will focus on the use of authentic documents. We will also see the possible activities from this support and the new technologies. Key-words teaching listening comprehension, authentic documents, Internet, short, middle and large memories, mental representations, methods, cognitive process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,076 | 0,025 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».