“Learning French Is Like Trying to Skate”: Constructing Identity through Metaphor
Notice bibliographique
Résumé
Les auteures explorent l’identité que construisent les élèves de 8e année en immersion française précoce, en leur qualité d’apprenants du français, au sein des communautés de praticiens en milieu scolaire. elles proposent un modèle grâce auquel les métaphores dans l’apprentissage d’une langue peuvent être considérées comme une forme de récit à utiliser à la fois pour susciter et pour analyser les représentations métacognitives des identités socialement situées des élèves à titre d’apprenants d’une langue. Dans le cadre d’une étude plus vaste portant sur l’investissement des élèves en immersion française dans l’apprentissage du français, 31 participants ont construit 85 comparaisons relatives à l’apprentissage et à l’oral et l’écrit en français. Ces comparaisons ont été regroupées en sept métaphores conceptuelles : persévérance, dépassement physique et cognitif, expérience de changement incarné, transformation de soi, malaise incarné, insuffisance et affect. Des échantillons de discours des élèves montrent comment la coconstruction de la métaphore a créé un espace interprétatif pour le développement de leurs identités au sein de leurs communautés de praticiens en milieu scolaire. Enfin, les auteures analysent la pertinence pédagogique de la métaphore pour accroître l’investissement des élèves dans l’apprentissage du français.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».