MétaCan
Menu
Retour à la cohorte
Enregistrement W3078961812 · doi:10.17533/udea.ikala.v25n02a11

Types d’erreurs chez des francophones qui apprennent le catalan dans un examen du niveau B1 (Seuil)

2020· article· fr· W3078961812 sur OpenAlexaff
Anna Joan Casademont

Notice bibliographique

RevueÍkala Revista de Lenguaje y Cultura · 2020
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensUniversité TÉLUQ
Organismes subventionnairesUniversidad de Antioquia
Mots-clésHumanitiesCatalanPhilosophy

Résumé

récupéré en direct d'OpenAlex

Cette recherche porte sur l’étude de différents types d’erreurs chez des francophones qui apprennent le catalan de niveau intermédiaire (seuil, B1) en production écrite. Le but de la présente étude est donc (a) de détecter des récurrences dans les productions, (b) de tester la classification d’erreurs proposée et (c) de contribuer à la réflexion sur l’élaboration de stratégies pédagogiques qui viseraient des aspects concrets de l’apprentissage du catalan de niveau B1 par des étudiantes et étudiants dont la langue première est le français. Pour ce faire, nous avons analysé un corpus de rédactions d’examens officiels de langue catalane de l’Institut Ramon Llull. Les erreurs ont été analysées et classifiées à partir de critères descriptifs et étiologiques. D’un point de vue descriptif, le présent article indique les résultats quantitatifs et qualitatifs et présente quelques tendances et généralisations, afin de proposer des pistes pédagogiques pour optimiser les pratiques en enseignement et en apprentissage du catalan.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,266
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueÍkala Revista de Lenguaje y CulturaMême sujetFrench Language Learning MethodsTravaux en français237 207