MétaCan
Menu
Retour à la cohorte
Enregistrement W4388001832 · doi:10.4000/lidil.11845

Enseigner avec l’Approche neurolinguistique. Quel apport pour l’apprentissage des langues ?

2023· paratext· fr· W4388001832 sur OpenAlexaboutno aff
Delphine Guedat‐Bittighoffer, David Bel, Marie‐Ange Dat, Julie Rançon

Notice bibliographique

RevueLidil · 2023
Typeparatext
Languefr
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeature (linguistics)Computer scienceLinguisticsForeign languageArtificial intelligenceNatural language processingPsychologyMathematics educationPhilosophy

Résumé

récupéré en direct d'OpenAlex

L’objectif de ce numéro de Lidil est de présenter les dernières recherches sur l’Approche neurolinguistique (ANL) pour l’enseignement des langues étrangères et secondes, notamment en situant cette approche dans le champ de la didactique des langues étrangères et secondes, et en délimitant les différents contextes dans lesquels elle prend vie à travers le monde en vue d’en identifier les gains potentiels. Trois axes thématiques ont été retenus. Le premier permet d’esquisser les contours de l’ANL. L’article de Cartier présente un travail historique sur sa genèse. Dans l’article suivant, Ling réfléchit à des passerelles possibles entre ANL et approche actionnelle dans le cadre de programmes inscrit dans le CECRL. Le deuxième axe interroge la pertinence de l’ANL vis-à-vis de différents publics, ce que fait Gettliffe, dans une étude de cas avec des étudiants, et Dat & Starkey-Perret, dans le cadre de l’enseignement de l’anglais dans le secondaire. Le dernier axe porte sur des dispositifs didactiques et pédagogiques s’appuyant sur l’ANL en France. Les articles de Guedat-Bittighoffer et de Nocus & Maksud rendent compte d’une évaluation à la fois qualitative et quantitative d’une expérimentation de l’ANL auprès d’élèves allophones en contexte scolaire. Le numéro se clôt par un entretien avec Joan Netten et David Macfarlane qui replacent l’ANL dans son contexte d’origine, le Canada. REMERCIEMENTS Ont été sollicités pour évaluer les articles de ce numéro (dossier thématique) : Jose Aguilar Río, Charlotte Alazard, Nathalie Auger, Violaine Bigot, Jacques Crinon, Jean-Marc Dewaele, Catherine Felce, Roxane Gagnon, Cyrille Granget, Marie-Cécile Guernier, Françoise Hapel, Maria Kihlstedt, Grégory Miras, Marie-Françoise Narcy-Combes, Jérôme Riou, Évelyne Rosen-Reinhardt, Jeremi Sauvage, Nathalie Spanghero, Pascale Trevisiol, Kossi-Seto Yibokou. This issue of Lidil aims to present the latest research on the Neurolinguistic Approach (NLA) for Learning and Teaching Foreign Languages, in particular by situating this approach within the field of second language education research and by delineating the various contexts in which it is implemented worldwide in order to identify its potential benefits. This issue is divided in three thematic axes. The first of these offers an outline of the NLA. The article by Cartier provides a historical overview of its development. In the following article, Ling reflects on possible bridges between NLA and the Action-oriented approach in the context of CEFR programmes. The second axis questions the relevance of NLA for different audiences, which is explored by Gettliffe (a case study of university students) and by Dat & Starkey-Perret (teaching English as a foreign language at secondary level). The third section examines a number of programs that apply the NLA in France. The articles by Guedat-Bittighoffer on one hand, and by Nocus & Maksud on the other, report on a qualitative and quantitative evaluation of an NLA experiment with allophone pupils in a school context. The issue concludes with an interview with Joan Netten and David Macfarlane, who speak about the NLA in its original context, Canada.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,014
Communication savante0,0120,013
Science ouverte0,0020,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0140,005

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 Opus0,060
Tête enseignante GPT0,306
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 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLidilMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207