MétaCan
Menu
Retour à la cohorte
Enregistrement W2793514252 · doi:10.18806/tesl.v34i3.1279

An Emerging Pedagogical Approach to Teaching Pragmatic Formulas

2018· article· en· W2793514252 sur OpenAlexaffvenueabout
Alisa Zavialova

Notice bibliographique

RevueTESL Canada Journal · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensThinkpath Engineering Services (Canada)
Organismes subventionnairesnon disponible
Mots-clésPragmaticsCompetence (human resources)LinguisticsRaising (metalworking)PsychologyPedagogySociologyMathematics educationPhilosophyMathematicsSocial psychology

Résumé

récupéré en direct d'OpenAlex

A good mastery of a range of formulaic sequences appears to be an importantcomponent of successful language learning (Wood, 2015; Wray, 2002). Certainformulaic sequences, known as pragmatic formulas, play a vital role in developingsecond language pragmatic competence, as they are crucial for successful speechact realization (Bardovi-Harlig, 2012). However, this category of formulaic languagehas been rather neglected in ESL pedagogy. To date, approaches to teachingformulaic language and pragmatics mainly use awareness-raising techniques; thisapproach, however, lacks potential for retention of formulaic sequences in learners’long-term memory (Boers & Lindstromberg, 2009). This article reports ona 6-hour course that was taught to 4 intermediate ESL students enrolled in oneof the Language Instruction for Newcomers to Canada (LINC) programs in Ontario.The course followed a refined approach to teaching pragmatic formulas thatwent beyond awareness-raising and consisted of three teaching phases: awarenessraising,deep cognitive engagement, and practice. Results of the final assessmentshowed that 2 participants expanded their repertoires of both refusal and thankingpragmatic formulas, while the other 2 participants improved their performance inthe thanking speech acts.Une bonne maitrise d’une gamme de formules semble être une composante importantede l’apprentissage réussi d’une langue (Wood, 2015; Wray, 2002). Certainesformules, qu’on appelle des formules pragmatiques, jouent un rôle essentiel dansle développement de la compétence pragmatique en langue seconde puisqu’ellessont cruciales à la réalisation des actes de langage (Bardovi-Harlig, 2012).Toutefois,la pédagogie en ALS a plutôt négligé cette catégorie de formules. Jusqu’àprésent, les approches en enseignement des formules et de la pragmatique reposentsurtout sur des techniques consistant à faire prendre conscience des expressions.Cependant, cette approche n’est pas susceptible d’aider les étudiants à retenir lesformules à long terme (Boers & Lindstromberg, 2009). Cet article rend compted’un cours de 6 heures enseigné à 4 étudiants intermédiaires en ALS inscrits à unprogramme de CLIC (Cours de langue pour les immigrants au Canada) en Ontario.Le cours a adopté une approche plus poussée à l’enseignement des formulespragmatiques qui dépassait la conscientisation et qui s’est déroulé en trois étapes:la prise de conscience, un engagement cognitif profond et la pratique. Les résultatsde l’évaluation finale indiquent que 2 participants ont élargi leur répertoire de formules pragmatiques visant le refus et celles visant le remerciement, alors que les 2 autres ont amélioré leur rendement en matière de formules de remerciement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,387
Écart entre enseignants0,336 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetSecond Language Acquisition and LearningTravaux en français237 207