Vocabulary Skills of French Immersion Students in their Second Language
Notice bibliographique
Résumé
Vocabulary knowledge is known to be crucial for reading comprehension and for dealing with academic content in a second language (e.g., Garcia, 1991; Hazenberg and Hulstijn, 1996; Laufer, 1992; Nation, 1993). In French immersion programs, where much of the school curriculum is taught in the second language, an important issue therefore concerns students' lexical development in French. With the current emphasis in schools on using educationally enriching, authentic French content in regular 'core' French programs as well, lexical development is of primary importance in this context too. Indeed, numerous recent publications addressed to language teachers and applied linguists concerned with learners in a wide variety of contexts (e.g., Coady and Huckin, 1997; Harley, 1995; Hatch and Brown, 1995; Nation, 1990; Huckin, Haynes, and Coady, 1993; Schmitt and McCarthy, 1997; Singleton, 1999) signal growing recognition of the key role of vocabulary knowledge in the development of second language proficiency. This article first provides a summary account of vocabulary-oriented research conducted in recent years in French immersion classrooms, leading up to a new study examining a specific aspect of the lexical development of French immersion students vis-à-vis core French students: namely, their word analysis skills in the second language, French. The ability to analyse the internal structure of words is important because it can provide access to many new words and increase 'potential vocabulary' (Palmberg, 1987) in the second language. In immersion and core French programs in Canada, most French-as-asecond-language materials currently in use pay little or no attention to such skills. One aim of this study, therefore, is to determine what word analysis skills students at different grade levels in these programs now have in order to provide useful diagnostic information for teachers and a solid empirical basis for the development of relevant classroom materials.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».