MétaCan
Menu
Retour à la cohorte
Enregistrement W4282569248 · doi:10.3138/cmlr-2021-0091

<i>« Ils vont – bientôt, ils ont – fini »</i> : développement de tâches basées sur la compréhension pour des adultes en apprentissage de la langue et de la littératie

2022· article· fr· W4282569248 sur OpenAlexaffvenue
Suzie Beaulieu, Véronique Fortier, Catherine Fillion, Chanelle Tremblay, Julie Damiens

Notice bibliographique

RevueCanadian Modern Language Review/ La Revue canadienne des langues vivantes · 2022
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensUniversité du Québec à MontréalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Malgré la présence croissante de personnes adultes immigrantes en apprentissage de la langue et de la littératie (PAIALeL) dans les cours de français L2, peu d’études réalisées en salle de classe ont porté sur cette population. Celles-ci ont démontré que des approches centrées sur l’apprenant étaient à préconiser. Parmi ces approches, il a été établi que l’approche par tâches basées sur la compréhension permettait aux PAIALeL d’appréhender des notions lexicales et grammaticales concrètes. Étant donné l’efficacité de cette approche, il importait de déterminer si elle pouvait être adaptée pour permettre aux PAIALeL de s’approprier des notions abstraites, telles que la temporalité. Nous avons adapté l’approche à cette fin et avons mis à l’essai une séquence pédagogique à deux reprises dans des groupes intacts de PAIALeL. Pour déterminer si la séquence pédagogique ainsi créée pouvait être mise en œuvre auprès de cette population, nous avons consigné des notes de terrain au cours de l’intervention et avons demandé à des élèves 1 d’effectuer des tâches en production à la fin de chacune des périodes de mise à l’essai. L’ensemble des données recueillies a révélé qu’en apportant des modifications mineures à l’approche, il serait possible d’amener des PAIALeL à effectuer des liens forme-sens sur la temporalité.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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 Opus0,020
Tête enseignante GPT0,296
Écart entre enseignants0,276 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Modern Language Review/ La Revue canadienne des langues vivantesMême sujetFrench Language Learning MethodsTravaux en français237 207