Carrefour de l’apprentissage des langues : le persan, l’anglais et le français
Notice bibliographique
Résumé
Le persan, langue maternelle de la plupart des iraniens et l’anglais, première langue étrangère dans ce pays créent un milieu trilingue dès que l’apprentissage du français entre en scène comme deuxième langue étrangère. Les similarités peu probables entre le persan et le français et celles entre l'anglais et le français permettent des transferts positifs et négatifs. Ces interférences font manifester des erreurs linguistiques dans l'apprentissage de FLE. 
 Cette recherche étudie certaines erreurs issues des influences des schémas morphosyntaxiques du persan et de l'anglais dans l’acquisition des règles grammaticales du français. Nous avons mené cette recherche selon les erreurs linguistiques de 50 étudiants de la première année de licence en traduction de la langue française des universités Azad de Téhéran et d'Arak depuis 2012 jusqu'à 2015. Dans le cadre de ce travail, en comparant les trois langues, nous montrons que l'origine des erreurs en français est l'influence du persan et l'anglais. L'objectif principal consiste donc en l’analyse théorique des erreurs grammaticales des persanophones dans la démarche d’apprentissage des verbes français. Cette analyse nous aide à comprendre la manière dont les apprenants persanophones acquièrent et représentent les traits grammaticaux du FLE et propose des techniques d'enseignement profitant des interférences linguistiques.
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 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 | 0,002 | 0,002 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».