MétaCan
Menu
Retour à la cohorte
Enregistrement W3024505860 · doi:10.7202/1069768ar

GIVING VOICE TO OUR CORE FRENCH STUDENTS: IMPLICATIONS FOR ATTRITION AND THE DISCOURSE ON THE BENEFITS OF LEARNING FSL IN ONTARIO

2020· article· en· W3024505860 sur OpenAlexaffvenueabout
Stéphanie Arnott

Notice bibliographique

RevueMcGill Journal of Education / Revue des sciences de l éducation de McGill · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAttritionAP French LanguageRelevance (law)PsychologyPedagogyCore (optical fiber)Mathematics educationMedical educationMedicinePolitical scienceComputer scienceLanguage education

Résumé

récupéré en direct d'OpenAlex

This article explores student motivation to learn French as a second language (FSL) in school. Ontario Grade 9 students (N = 63) were surveyed on their intention to (dis)continue studying French in the Core French (CF) program in Grade 10 when FSL becomes optional. Survey participants shared their reasoning, and a subset (n = 7) took part in a focus group. Although motivating factors to (dis)continue in CF align with previous studies, participants openly contemplated the relevance of these factors to their lives. In response, this article explores the discourse on the benefits of learning French and debates its applicability to adolescent FSL learners. The implications for efforts to address CF attrition and promote FSL learning are also discussed.

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)0,009
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,114
Score d'incertitude au seuil0,830

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0310,017
Communication savante0,0090,003
Science ouverte0,0020,007
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,490
Tête enseignante GPT0,431
Écart entre enseignants0,059 · 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

Citations5
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of Education / Revue des sciences de l éducation de McGillMême sujetEFL/ESL Teaching and LearningTravaux en français237 207