La interacción fonética en idioma italiano y español : aspectos pragmáticos dentro de la clase
Notice bibliographique
Résumé
El aprender italiano por estudiantes de habla hispana tiene varios matices y contrastes, porque son idiomas que se parecen y confunden por sus analogias y similitudes y expone al estudiante a cometer errores en la comprension y pronunciacion de textos orales.Como lo dice Calabro: en cuanto a la experiencia de los sonidos “in quanto hanno fatto esperienza dei suoni della L2 in modo fisico, tattile, visivo, uditivo” (Calabro L. , 2016). La interaccion fonetica dentro del aula permite relacionar los diferentes sonidos que son representados por una facil simbologia que el estudiante pueda reconocer, analizar y pronunciar como parte del mejoramiento de la pronunciacion eficiente de las letras individuales y las uniones de las letras formando palabras. El objetivo es detectar la correcta o erronea pronunciacion de sonidos en idioma italiano, valorarlos y mejorarlos a traves de la interaccion oral y anotarlos en matrices de valoracion que cada estudiante maneja personalmente dentro de las aulas de clases. En la metodologia, estudiantes en un numero de 30 de nivel B1 de italiano, usan las matrices de tres columnas, donde analizan, critican, evaluan y usando el feedback reestructuran los errores como aseguran los autores Alberta Novello y PaoloBalboni “le competenze mentali si traducono in azione comunicativa, nel saper fare lingua quando esse vengono utilizzate per comprendere, produrre, manipolare testi” (Balboni, 2015). “La natura del feedback e, difatti, il primo elemento da prendere in considerazione nel momento in cui si stabilisce la necessita di una valutazione”. (Novello, 2014)
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,010 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».