Notice bibliographique
Résumé
Les recherches menées au cours des années 1980 et 1990 sur le vocabulaire ont apporté un bol d’air frais à l’enseignement linguistique. Dans beaucoup de pays éloignés, les enseignants de l’anglais langue seconde ou étrangère soupçonnaient depuis longtemps que le plus grand défi pour leurs étudiants était le vocabulaire, mais les études existantes offraient peu de preuves de ce constat et peu de solutions. Puis, brusquement, Nation, Laufer, Meara, Schmitt et d’autres ont avancé un éventail d’idées très prometteuses et des applications concrètes : le séquencement et l’évaluation du vocabulaire selon la fréquence d’utilisation ; la différenciation entre le vocabulaire de base et le vocabulaire avancé, universitaire et technique ; l’interaction de la connaissance du vocabulaire et de la connaissance de la grammaire — autant d’idées qui ouvraient véritablement de nouvelles perspectives. Après avoir consacré une décennie à mettre ces idées en pratique et, faut-il espérer, à contribuer aux progrès ainsi rendus possibles dans des pays en développement (Arabie Saoudite, Oman, Hong Kong), les auteurs reviennent au Canada en se demandant quels aspects de ce travail y seraient applicables, le cas échéant, moyennant quels types de modifications, et ce qui pourrait y être greffé. Des idées d’une pertinence évidente dans un pays en développement, seraient-elles aussi pertinentes pour un pays développé ? Les auteurs brossent le tableau du vocabulaire tel qu’ils l’ont trouvé au Canada à leur retour, décrivent ce qu’ils essaient d’y apporter et formulent des propositions pour les prochaines étapes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,078 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».