Best Grad Competition: Engagement, Social Networks, and the Sociolinguistic Performance of Quebec French Learners
Notice bibliographique
Résumé
Le degré d’implication personnelle et les réseaux sociaux de soutien semblent favoriser le développement sociolinguistique de la langue seconde. L’auteure étudie la relation entre ces deux idées et leur influence sur l’utilisation par les apprenants du français québécois de deux particularités informelles, soit la suppression du ne et le on de première personne, et de deux particularités géographiquement conditionnées, soit le doublement du sujet et les questions tu. En entrevue, 21 apprenants adultes ont été invités à explorer leurs expériences d’apprentissage de la langue et ont rempli un questionnaire sur l’inventaire des réseaux sociaux. L’analyse qualitative des entrevues révèle trois niveaux d’implication personnelle, différenciés par la motivation, les efforts pour amorcer l’interaction et les perceptions du français québécois. Ces paramètres ne sont qu’en partie reliés aux facteurs des réseaux sociaux. L’analyse linguistique quantitative indique que seul le doublement du sujet et la suppression du ne sont en corrélation avec ces prédicteurs. La nature de la particularité et la perception des normes linguistiques de la collectivité semblent également jouer un rôle dans ces constats. L’auteure traite des répercussions pédagogiques de ces conclusions et des pistes de recherche future sur le développement sociolinguistique.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».