Linguistic Risk-Taking: A Bridge Between the Classroom and the Outside World
Notice bibliographique
Résumé
This article describes an initiative launched at a Canadian bilingual university in order to encourage L2 French and L2 English learners to take ‘linguistic risks’: authentic, autonomous communicative acts where learners are pushed out of their linguistic comfort zone. The initiative was operationalized through the development of a Linguistic Risk-Taking Passport, which contains 74 linguistic risks that students can take in their L2 across the university campus and in their everyday life. An analysis of interviews with participating teachers (n=6) and learner self-report data from completed passports (n=410) examines how the initiative was integrated into the classroom and which passport items were perceived by students as particularly high-risk. A cyclical process of risk-taking within a broad Task-Based Language Teaching (TBLT) framework is described in which risks are viewed as learner-selected tasks with a dynamic affective slant; risks can be used to connect classroom learning with real-life L2 use and vice versa. The data illustrate that linguistic risk-taking can help TBLT practitioners generate ideas on how to narrow the gap between the classroom and the real-world. The article concludes with a list of practical implications and suggestions for adapting linguistic risk-taking to other institutional contexts.
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 | 0,011 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,022 | 0,036 |
| Communication savante | 0,019 | 0,008 |
| Science ouverte | 0,003 | 0,024 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».