French Learners’ Past-Tense Development through Collaborative Writing Tasks: The Role of Procedural and Content Repetition
Notice bibliographique
Résumé
La majorité des études sur la répétition des tâches portent sur la production orale des apprenants, mais il reste à voir si ce type d’exercice peut également faciliter l’apprentissage dans d’autres domaines de compétence comme celui de l’écrit. Les auteures ont comparé l’incidence de la répétition procédurale (RP) et de la répétition du contenu (RC) sur la précision dans l’usage du passé composé que font des apprenants du français effectuant des tâches collaboratives à l’écrit. L’étude a été réalisée auprès de 42 apprenants à l’équivalent de A2 sur l’échelle CEFR inscrits à deux cours universitaires. Au cours des quatre semaines qu’a duré l’étude, les participants ont d’abord effectué une tâche de description d’images lors du prétest. Ils ont ensuite réalisé trois tâches collaboratives à l’écrit en guise de traitement et ont enfin effectué de nouveau la tâche de description d’images lors du posttest. Les participants avaient préalablement répondu à un questionnaire de données sociodémographique. Le groupe RP a effectué trois tâches d’échange d’information à partir d’une liste de verbes chaque fois différente, tandis que le groupe RC effectue trois tâches de nature différente à partir du même contenu (c’est-à-dire de la même liste de verbes). Les écrits soumis par les apprenants dans le cadre des tâches collaboratives ainsi que lors du prétest et du posttest ont été analysés sur le plan de la production de la structure ciblée et de la précision. Les résultats montrent que le groupe RC a produit le passé composé plus fréquemment et avec plus de précision que le groupe RP. Quant aux résultats obtenus aux tâches de description d’images, même si aucune différence n’est observée entre l’un et l’autre des groupes, ils affichent tous les deux de nets progrès entre le prétest et le posttest. Enfin, les auteures traitent des répercussions de leur étude sur la didactique des langues et la recherche sur la répétition des tâches.
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 | 0,006 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».