Teaching French Language Through Films: The Cultural Contents in French and Francophone Films
Notice bibliographique
Résumé
Foreign language teaching in the current globalization era needs to compete with technological development. This competition is related to the discovery of digital technology-based methods to motivate learners to provide more interesting cultural content in language classes. For teachers from different cultural backgrounds, authentic documents such as films are considered very effective in delivering cultural content. This research takes a French film, Intouchables, and a Canadian francophone film, Monsieur Lazhar, as a research corpus for their cultural content to be analyzed. The proper understanding of the two films' cultural content can inform a digital technology-based French-language teaching medium. To discover what strategies or formulas are used in teaching French with cultural-laden films as teaching media requires studying the films by dissecting the structure of the text. Examination of the structure of the films was based on the theory of Boggs and Petrie (2008), equipped with in-depth reading to find signs in the text by referring to Buckland (2004); and also the identification of cultural content using the cultural approach by Stern (1992). The construction of a teaching plan with a language teaching approach by Damen (1987) and Byram (1997) will be the last step. This research provides an academic outcome that is a film structural analysis to identify cultural content in the two films. The second outcome is a practical categorization of cultural content utilized as a language teaching material.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».