What Is the Target for L2 Learners when Descriptive, Textbook, and Subjective Norms Widely Differ?
Notice bibliographique
Résumé
L’un des aspects les plus complexes de l’interaction verbale devant être maîtrisé dans une langue seconde est l’utilisation des pronoms d’allocution. En français pour étudiants en soins infirmiers, les prescriptions pédagogiques favorisent l’usage du vous dans les interactions avec les patients; des études linguistiques ont toutefois démontré que le tu est de plus en plus utilisé au sein de la diaspora francophone et qu’il est privilégié par ceux qui s’adressent aux aînés dans l’Ouest canadien. Afin d’évaluer si les étudiants en soins infirmiers en français langue seconde dans l’Ouest canadien devraient se conformer aux prescriptions pédagogiques ou à la norme locale, l’auteure a effectué un test de perception selon le protocole du locuteur masqué auprès de patients aînés francophones ( N=42). À l’aide d’une échelle de Likert à cinq degrés, les participants ont attribué une cote à une série d’interactions dans lesquelles des infirmières bilingues français-anglais s’adressent à un patient aîné en le tutoyant ou en le vouvoyant. Une série de tests de comparaison des données Wilcoxon a révélé que même si l’utilisation du vous a suscité les réactions les plus positives ( p<0,05), l’usage du tu est apprécié par près de la moitié des participants. L’écart dans les préférences semble s’expliquer par une compréhension sensiblement différente de la façon dont doit s’exprimer verbalement le respect et la distance sociale dans ce contexte clinique. L’auteure examine le rôle des normes descriptives, pédagogiques et subjectives dans la pédagogie des langues secondes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».