Acquisition des pronoms d’allocution en classe de français immersif
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cet article vise à éclairer les raisons pour lesquelles les pronoms d’allocution en français persistent à créer des difficultés aux apprenants de français langue seconde en contexte immersif au Canada. À partir d’interactions entre enseignants et élèves enregistrées dans ce milieu, nous explorons la complexité de l’emploi des pronoms tu et vous du point de vue des apprenants en classes d’immersion. Nous confirmons les résultats d’autres études démontrant l’absence du vous de politesse dans le discours pédagogique ainsi que l’absence d’occasions offertes aux élèves pour employer le vous de pluralité. En outre, nous démontrons que tu remplit plusieurs fonctions dans le discours pédagogique : pronom personnel de deuxième personne, il marque le singulier et la familiarité, mais il possède aussi une fonction indéfinie et plurielle. L’exposition des jeunes à l’emploi du tu dans des contextes vraisemblablement pluriels s’ajoute à la difficulté qu’ils éprouvent en tant que locuteurs à titre principal de l’anglais sachant que cette langue n’a qu’un seul pronom recouvrant les fonctions exprimées en français par tu et vous. Nous proposons en guise de conclusion quelques solutions pédagogiques pour faciliter l’apprentissage des pronoms d’allocution en français.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,003 |
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 découle