L’immersion au niveau universitaire: nouveaux modèles, nouveaux défis, pratiques et stratégies
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.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».