MétaCan
Menu
Retour à la cohorte
Enregistrement W2954710625 · doi:10.3138/cmlr.2018-0183

Using the Concept of Aspect to Mediate the Choice of Past Tense in L2 French: Case Study of an Advanced Student at the Tertiary Level

2019· article· fr· W2954710625 sur OpenAlexvenueno aff
Jeanne Rolin-Ianziti, Carl Ord

Notice bibliographique

RevueCanadian Modern Language Review/ La Revue canadienne des langues vivantes · 2019
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Les auteurs approfondissent les recherches réalisées à ce jour sur la pédagogie basée sur les concepts en étudiant l’usage du concept grammatical d’aspect comme instrument médiateur de la prise de décisions dans le cadre de tâches. Ils rapportent plus précisément les résultats d’une étude de cas longitudinale dans laquelle ils se penchent sur les explications d’un étudiant quant à son choix du temps passé français (passé composé ou imparfait). Parmi les données qu’ils recueillent au moyen d’enregistrements audio figurent les échanges chercheur-étudiant sur les réponses écrites de l’étudiant aux tâches qui lui ont été assignées et dont il s’est acquitté avant et après une heure de cours sur le concept d’aspect. Les résultats de l’exercice révèlent une évolution dans les explications de l’étudiant. Avant le cours, l’étudiant utilise des règles empiriques formelles, mais la terminologie conceptuelle apparaît dans ses explications immédiatement après le cours. Quatre semaines après le cours, l’étudiant justifie ses choix en mettant l’accent avant tout sur le sens qu’il souhaite communiquer. Plus important encore, il s’appuie sur une méthode qu’il a lui-même élaborée, à partir d’un raisonnement logique, pour expliquer ses décisions quant aux formes du verbe. Les auteurs traitent des répercussions pédagogiques de ces observations et font valoir que les cours de rédaction de niveau supérieur pourraient être ceux qui se prêtent le mieux à l’application de la pédagogie basée sur les concepts.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,050
Tête enseignante GPT0,309
Écart entre enseignants0,258 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Modern Language Review/ La Revue canadienne des langues vivantesMême sujetLinguistics and Discourse AnalysisTravaux en français237 207