MétaCan
Menu
Retour à la cohorte
Enregistrement W2167663879 · doi:10.1111/j.1540-4781.2011.01275.x

The First Language in Science Class: A Quasi‐Experimental Study in Late French Immersion

2011· article· en· W2167663879 sur OpenAlexaffabout
Miles Turnbull, Marianne Cormier, Jimmy Bourque

Notice bibliographique

RevueModern Language Journal · 2011
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversité de MonctonUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésScience classClass (philosophy)Mathematics educationFrench immersionLiteracyPsychologySecond languageScientific literacyScience educationLinguisticsComputer sciencePedagogyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This article reports analysis of data collected from a quasi‐experimental study in 2 Canadian late French immersion science classes. We examine if, how, and when the first language (L1) is used when students in the first years of their second language learning talk about complex science concepts. We compare differences in groups following a 2‐month intervention. Specifically, we study differences in complexity of oral utterances, and differences in use of L1 in oral utterances after participating in an intervention using a literacy‐based approach, or the typical, district‐prescribed approach. Furthermore, we assess whether increased use of the L1 in complex content statements is positively associated with gains in French and science knowledge. Advanced statistical analyses linked the complexity of student utterances with language use, written skills in French, and performance in science. In this way, this article makes a significant contribution to the existing body of literature on this important topic.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,743

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,279
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueModern Language JournalMême sujetEFL/ESL Teaching and LearningTravaux en français237 207