Analyse de la polysémie verbale : apports à la didactique du français L2
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cette contribution se situe à l’interface de la linguistique et de la didactique des langues secondes; elle a pour objectif de démontrer les apports d’une analyse de la polysémie verbale à la didactique du français langue seconde. Notre premier objectif est de décrire la polysémie du verbe prendre au moyen d’une analyse sémantique lexicale dans une approche cognitive. Notre second objectif est d’évaluer l’incidence de la polysémie du verbe prendre sur les connaissances qu’ont les apprenants de ce verbe et d’isoler les différentes acceptions de prendre mises au jour par notre analyse sémantique, qui s’avèrent problématiques pour les apprenants du français L2. Pour atteindre le second objectif de notre travail, nous avons mené une étude empirique auprès de 191 apprenants du français langue seconde. Les résultats montrent non seulement que l’analyse sémantique que nous avons proposée permet de prédire la connaissance des différentes acceptions du verbe par les apprenants du français L2, mais aussi que les apprenants anglophones et allophones ont un comportement différent par rapport aux types d’acceptions du verbe prendre , comportement que nous avons pu expliquer par l’influence translangagière chez les participants anglophones. Nous discutons des résultats au regard de ceux des études antérieures, en mettant l’accent sur les variables linguistiques réputées prédire l’acquisition des différents sens d’un mot polysémique.
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.
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 | 0,000 |
| 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 | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 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 découle