L’immersion au niveau universitaire: nouveaux modèles, nouveaux défis, pratiques et stratégies
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
En immersion, l’apprentissage de la langue se fait implicitement par le biais de leçons mettant explicitement l’accent sur le contenu, pas sur la langue (Genesee, 1994). Cependant, si les étudiants d’immersion s’approchent des locuteurs natifs pour les habiletés de compréhension (Lapkin, Swain and Argue, 1983 ; Genesee, 1987, 1992 ; Harley, Cummins, Swain and Allen, 1990 ; Rebuffot, 1993 ; Lyster, 2007), leurs habiletés productives sont inférieures (Swain et Lapkin, 1986). C’est ce qui a conduit Swain à proposer l’hypothèse de l’output (Swain, 1985, 1993, 1995). Selon Swain l’enseignement basé sur les contenus doit offrir des activités langagières mettant l’accent sur la forme, pour permettre aux étudiants d’atteindre un niveau de compétence quasi natif en expression orale et écrite.Le présent article développera un cadre théorique autour du rôle du professeur de langue seconde dans les disciplines non linguistiques (Burger et al., 1984) en l’articulant avec la notion de compétence bi-/plurilingue (Coste et al., 1999). Dans ce cadre nous discuterons la construction de compétences dans les discours de spécialité, les différents modèles d’immersion et les défis et enjeux cognitifs et pédagogiques qui en découlent. Nous présenterons ensuite le modèle retenu à l’Université d’Ottawa, (Burger et al., 1997 ; Edwards et al., 1984 ; Hauptman et al., 1988 ; Ready et Wesche, 1992) que nous illustrerons par plusieurs exemples d’activités, de stratégies et de pratiques afin d’interroger la place de l’enseignant de langue seconde. Nous conclurons en posant la question de l’évaluation dans ce contexte bien particulier.
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 | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,000 |
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.
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