L’exploitation d’un corpus d’interactions en tandem anglais/français pour mieux comprendre les enjeux de la rétroaction corrective entre pairs
Notice bibliographique
Résumé
Le tandem permet un apprentissage collaboratif où la relation entre les partenaires est moins hiérarchisée que dans les échanges entre professeur et élève en classe de langue. Chacun s’engage à faire progresser son partenaire dans sa langue et culture maternelles. Les apprentissages linguistiques et culturels y sont moins prévisibles, structurés et validés que dans le contexte institutionnel d’un cours. Les partenaires tandem accordent souvent plus d’importance à la fluidité et la convivialité de l’échange qu’à la précision des formes linguistiques. Mais qu’en est-il de la rétroaction corrective (en anglais corrective feedback ), pratique clé des enseignants de langues pour favoriser le développement langagier de leurs élèves ? Les locuteurs natifs y ont-ils recours quand leur partenaire tandem produit une forme linguistique erronée ? Si oui, à quelle fréquence, quelles en sont les modalités ? Dans cet article, nous montrons comment l’exploitation d’un corpus SITAF, soit des interactions en tandem anglais-français filmées entre étudiants francophones et anglophones de l’Université Sorbonne Nouvelle, révèle que la rétroaction orale corrective en tandem face à face repose sur une dynamique co-construite mobilisant les deux partenaires et est dépendante de plusieurs variables (en particulier la L1 du correcteur, la tâche, la familiarité et la dynamique de la dyade).
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 | 0,010 |
| 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 | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».