Notice bibliographique
Résumé
The present paper investigates one aspect of questionable research practices relating to Arabic L1 learners of foreign languages, namely the use of statistics. The objective of the paper is to argue that reproducible research requires adopting wise practices in linguistics and that the excessive focus on quantification does not seem to serve this purpose. Statistical significance tests in quantitative research are routinely used in linguistic inquiry as well as language teaching and learning studies with a view to supporting the relevant explanatory insights in linguistics. In this article, I will expose the misuse of statistics by doctoral students in English departments of Morocco working on Arabic L1 learners’ data, by highlighting some practices that are at odds with international good practices in academic research in linguistics. I will take stock of the current questionable practices in this regard to dispel some of the misunderstanding about the use of statistics which is now gaining grounds lest this becomes an orthodoxy. I will argue that research on Arabic L1 learners’ data should be focused more on exploration and discovery, as well as the validation of epistemological insights than on mere descriptive quantification geared to hypothesis verification. These areas of focus constitute the crux of academic research in linguistics, but they seem to be lost in statistics in doctoral students’ theses. Recommendations and solutions are provided for enhancing transparency and improving reproducibility of doctoral research outcomes to advance theory building and the delivery of new research lines in linguistics as well as to avoid the risk of research waste, in line with the requirements of open science.
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 | 0,210 | 0,559 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,005 | 0,065 |
| Communication savante | 0,024 | 0,035 |
| Science ouverte | 0,006 | 0,014 |
| Intégrité de la recherche | 0,009 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,014 |
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 ».