Impact du contexte d’enseignement/apprentissage sur la formation et les stratégies enseignantes en classe de Français Langue Etrangère (FLE), en milieu universitaire chinois
Notice bibliographique
Résumé
L’article présente des analyses de pratiques de classe, recueillies dans le cadre d’une expérience contrôlée, en milieu universitaire chinois. Notre attention se porte sur la manière dont les enseignants de FLE guident leurs apprenants lors de séances de cours d’oral et sur la nature de leur étayage. L’objectif est de mettre en valeur les diverses stratégies d’étayage utilisées par les enseignants et en voir l’impact sur les productions orales de leurs apprenants. Dans une perspective de regards croisés, nous mettons en parallèle deux fois quatre cours (mêmes supports, même nombre d’apprenants, même niveau linguistique) effectués par deux enseignantes, de culture, nationalité et formation différentes. La mise en parallèle de pratiques enseignantes permet de s’interroger sur l’efficacité des stratégies enseignantes, notamment au regard du contexte d’enseignement/apprentissage qu’est le contexte chinois. L’étude a pour objectif d’une part, de faire la lumière sur les pratiques didactiques en milieu universitaire chinois et d’autre part, de mener une réflexion quant au contexte d’enseignement et son influence sur la formation des enseignants de français. Les résultats obtenus confirment que la prise en compte du contexte d’enseignement est cruciale ; la recherche s’inscrit donc dans une approche contextualisée de l’enseignement/apprentissage des langues. Enfin, nous donnons quelques pistes pour la formation enseignante en Chine, à travers l’exemple d’un cours d’oral.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,007 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».