Working on grammar at school in L1 education: empirical research across linguistic regions. Introduction to the special issue
Notice bibliographique
Résumé
Empirical studies pertaining to working on grammar at school and its effects have not been the focus of L1 research in recent years. For instance, none of the current international large-scale studies investigates grammar learning. This might be the result of widespread doubts about the benefits of grammar learning for students, but—however justified one may consider such doubts to be—they should not lead researchers to neglect this topic. To be fair, research in the field has probably been hindered by the fact that there is virtually no exchange about findings across di-verse linguistic regions, so that empirical results which emerged in one country have seldom been recognized in other countries. Variation across linguistic regions can be found not only in research results but also in research questions—a situation which one may consider tolerable in itself but which constitutes a problem when lack of communication between researchers on grammar learning and grammar instruction leaves a real gap, as is true in this case. This special issue aims to offer an international overview of empirical research on grammatical learning at school within the context of L1 education (including learning about L1 grammar outside of L1 lessons, but excluding foreign language learning), and to deepen it by discussing recent approaches. Thus, the special issue is intended to provide a stimulus for further research on the subject and a starting point for the dissemination of international research into local research communities.
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 | 0,001 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».