Factors Predicting Low-Intermediate French Learners’ Vocabulary Use in Speaking Tasks
Notice bibliographique
Résumé
Les auteurs explorent la production orale en français d’apprenants natifs et non natifs dans deux dialogues. L’étude vise plus précisément trois objectifs. Premièrement, celui d’étudier la relation entre la taille du vocabulaire réceptif et productif d’apprenants de français, d’une part, et le vocabulaire utilisé dans deux dialogues, d’autre part. Deuxièmement, les auteurs veulent comparer le vocabulaire produit (c’est-à-dire, le nombre de mots utilisés, le profil lexical de fréquence et la diversité lexicale mesurée à l’aide de D et HD-D) par des locuteurs non natifs avec celui de locuteurs natifs. Troisièmement, les auteurs veulent déterminer lesquelles des mesures mentionnées ci-dessus permettent de prédire l’évaluation holistique des connaissances lexicales d’apprenants de français par des experts. Cinquante apprenants de français de 17 ans ont rempli un test de vocabulaire réceptif et productif et ont participé à deux dialogues. Vingt-sept francophones du même âge ont produit les mêmes dialogues. Les résultats indiquent qu’il existe une corrélation positive et modérée entre le vocabulaire réceptif et les scores holistiques, mais pas entre le vocabulaire productif et les scores holistiques. Qui plus est, lorsqu’ils s’expriment, les locuteurs natifs produisent plus de mots et moins de mots à usage fréquent. La diversité lexicale de leur production est également plus élevée que celle des apprenants de français. Enfin, il semble qu’une combinaison de la diversité lexicale (HD-D) et du nombre de types utilisés par les locuteurs ainsi que la fréquence de ces mots expliquent une grande partie de la variance dans les scores holistiques. Les résultats de la présente étude jettent un nouvel éclairage sur le rôle de l’emploi du vocabulaire dans la production orale de locuteurs natifs et non natifs dans une langue autre que l’anglais, à savoir le français, et pour une population autre que des étudiants universitaires, c’est-à-dire des apprenants pré-intermédiaires.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».