Pragmatic Markers Produced by Multilingual Speakers: Evidence From a CLIL Context
Notice bibliographique
Résumé
The purpose of this study is to investigate the production of pragmatic markers (PMs) by multilingual students in a CLIL context. Previous studies have analyzed pragmatic competence in multilingual settings (e.g., Cenoz, 2003; Martín-Laguna & Alcón-Soler, 2015; Portolés, 2015; Safont & Portolés, 2016). However, to the best of our knowledge, no previous study has investigated the use of PMs across languages at the oral level in the multilingual classroom. As suggested by Nashaat-Sobhy (2017, p. 69), there is a need for studies that support or refute whether CLIL helps students communicate more appropriately. In an attempt to fill this gap, the overall aim of this research study is to explore how multilingual students use PMs across languages –namely Spanish, Catalan and English- in terms of frequency and type of PM. Participants were 19 Spanish students in an instructional context where three languages are in contact, namely English, Catalan and Spanish. They completed a language background questionnaire and comparable oral decision-making tasks carried out in pairs, one task in each of the target languages. The analysis explored the frequency and type of PMs (i.e. textual and interpersonal markers). Findings revealed significant differences in the frequency and type of both interpersonal and textual PMs across the three languages, shedding some light on the particular characteristics of the pragmatic competence of multilingual learners in a CLIL setting.
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 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 ».