L’emploi de l’approche neurolinguistique pour développer les compétences commentatives et l’autonomie langagière auprès des apprenants adultes en classe de FLE
Notice bibliographique
Résumé
L’approche neurolinguistique est récemment introduite en didactique de français parce qu’elle a donné de bons résultats dans les pays qui l’ont utilisée à développer les compétences langagières comme le Canada, la Chine, le Japon, l’Iran, l’Amérique du Sud et la France. Différentes études ont montré une maitrise insuffisante des compétences communicatives chez les apprenants adultes en français langue étrangère (FLE) en Égypte (Draz, 2022; Soliman, 2022; Elgedy, 2020; Saad, 2019; Al-Akwar, 2018; Al-Adl). Ceux-ci ne sont pas capables de communiquer avec aisance et spontanéité en français à l’oral aussi bien qu’à l’écrit et ils n’ont pas également un niveau satisfaisant de l'autonomie langagière. Pour toutes ces raisons, cette recherche vise à employer l’approche neurolinguistique à développer les compétences communicatives et l’autonomie langagière en FLE auprès des apprenants adultes. Pour ce faire, les deux chercheuses ont mis en place une étude quasi-expérimentale comparant deux groupes expérimentaux dont le premier se compose de 44 étudiants et le seconde comprend 31 étudiants de 1ère année de la faculté de pédagogie de Damiette et d’El-Arish. Les chercheuses ont préparé une typologie des compétences communicatives nécessaires aux participants, deux tests pour évaluer les compétences de la communication orale et écrite ainsi que leurs critères de notation, une grille d’observation pour mesurer le niveau de l’autonomie langagière et une unité basée sur l'approche neurolinguistique pour développer les compétences visées. Les résultats obtenus ont confirmé l’efficacité de l’utilisation de l’approche neurolinguistique à développer les compétences communicatives (orales et écrites) et l’autonomie langagière chez les étudiants.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,004 |
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.
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 ».