Difficultés d’apprentissage en L2 reliées à la structure factitive française faire V
Notice bibliographique
Résumé
Cet article rend compte d’une étude empirique menée auprès d’étudiants d’un Cégep anglophone et du bacccalauréat en linguistique, (30 de langue dominante anglaise (A), et 15 de langue dominante française (F)); la majorité des A sont au Cégep et la majorité des F sont au Bac. Nous avons soumis ces étudiants à une tâche de traduction de l’anglais vers le français et nous avons tenté de comparer la compétence avec laquelle les deux groupes manipulaient faire V et ses équivalents dans une telle tâche. Nous avons constaté que les F n’utilisent pas beaucoup plus la structure que les A mais qu’ils font moins d’erreurs. Les erreurs sont surtout causées par l’ordre des mots et par le fait que le sujet de l’infinitif se met au datif si cet infinitif a déjà un complément d’objet direct. L’emploi du clitique, qu’il s’agisse du cas ou de la place de ce clitique, cause aussi des difficultés mais ce problème ne nous semble pas relié directement à l’utilisation de la structure faire V. Enfin, l’emploi des inaliénables avec se + faire V a aussi été une souce d’erreurs. À la lumière de cette étude, nous avons cherché à déterminer quels seraient les principaux éléments d’une description idéale de la structure factitive faire V dans une grammaire destinée à des étudiants de français L2.
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 | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».