Analyse des mots connecteurs dans les résumés produits par des élèves FL1 et FL2
Notice bibliographique
Résumé
Cet article présente les résultats d’une étude comparative de résumés produits par des élèves du secondaire et des étudiants universitaires inscrits dans deux programmes d’enseignement du FL1 et du FL2 au Canada hors Québec. L’objectif est de comparer la mobilisation de mots connecteurs dans la production textuelle de ces apprenants. Pour ce faire, les connecteurs sont classés selon quatre types de relations qu’ils peuvent induire, à savoir : l’addition, la causalité, l’opposition et la temporalité. La fréquence d’utilisation de ces mots est recensée dans les résumés produits par chacun des apprenants dans ces programmes et selon leur niveau de scolarité en vue de les comparer entre eux et, en dernier, au texte d’origine. L’étude a montré des différences dans la fréquence d’utilisation de connecteurs de types causalité et temporalité entre les deux programmes et entre les différents niveaux. Cependant, lorsqu’une comparaison est faite en fonction de la longueur des résumés, la seule différence statistiquement significative s’observe dans l’emploi des connecteurs d’opposition qui augmentent au niveau universitaire. L’étude a également relevé un suremploi de connecteurs de type causalité dans les résumés produits par tous les apprenants en comparaison avec le texte d’origine, ainsi qu’une plus grande variété de vocabulaire chez les FL1.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 ».