L’écriture collaborative dans des cours de français langue seconde : un résumé de trois études
Notice bibliographique
Résumé
Il est reconnu que le dialogue collaboratif contribue à la maîtrise d’une langue seconde et additionnelle (Ahmadian et Tajabadi, 2020; Mackey, 2012; Payant et Maatouk, 2022), particulièrement lors des tâches d’écriture interactives où les étudiants sont amenés à collaborer avant, pendant, ou après la rédaction d’un texte. Cet article résume les conclusions principales de trois études auprès de trois classes d’étudiants de français langue seconde à Montréal où chaque classe a travaillé avec un partenaire à différentes étapes du processus d’écriture : soit lors d’une planification interactive, d’une écriture collaborative ou d’une révision interactive. Nous visions à découvrir ce dont les étudiants parlent pendant les tâches d’écriture collaborative (et en quelle langue), afin de savoir si cela entraîne des effets sur leur écriture ultérieure, et aussi à comprendre comment les perceptions des étudiants affectent leur engagement dans ces discussions. L’ensemble des résultats démontre la contribution de la planification interactive au développement des compétences langagières et souligne le rôle de l’anglais en tant que ressource linguistique supplémentaire. De plus, nous constatons que les étudiants avec des attitudes plus positives envers les tâches interactives s’engagent plus profondément dans des discussions métalinguistiques. La synthèse de ces études offre des applications pratiques pour les enseignants de langue seconde.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,006 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».