MétaCan
Menu
Retour à la cohorte
Enregistrement W4391300922 · doi:10.18192/olbij.v13i1.6634

L’insécurité linguistique dans l’enseignement du français langue seconde : de quoi parle-t-on?

2024· article· fr· W4391300922 sur OpenAlexaffvenueabout
Meike Wernicke

Notice bibliographique

RevueOLBI Journal · 2024
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPhilosophyPolitical science

Résumé

récupéré en direct d'OpenAlex

L’insécurité linguistique est souvent définie par le manque de confiance en ses capacités linguistiques qui repose sur l’idée qu’il existe une norme supérieure ou plus authentique par rapport à sa propre façon de parler. Dans l’enseignement du français langue seconde (FLS) au Canada, une telle perception peut mener les enseignantes et enseignants et les étudiants-maîtres à questionner leur appartenance légitime à la profession, surtout celles et ceux qui parlent le français comme langue additionnelle. Cette insécurité s’explique par le fait qu’il existe toujours une tendance à s’évaluer par rapport à la norme idéale du locuteur natif qui influence la perception de soi sur le plan professionnel. Cet article offre une analyse des manifestations d’une telle insécurité dans le but de souligner la construction idéologique de ce phénomène sur le plan social, basé sur des extraits de données tirés d’une recherche menée auprès d’enseignantes et enseignants de FLS soi-disant « non francophones » en Colombie-Britannique.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil0,760

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0130,021
Communication savante0,0090,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,400
Écart entre enseignants0,373 · 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

Citations4
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueOLBI JournalMême sujetMultilingual Education and PolicyTravaux en français237 207