A Receptive Vocabulary Knowledge Test for French L2 Learners \nWith Academic Reading Goals
Notice bibliographique
Résumé
Recent studies in second language acquisition have confirmed a positive correlation between L2 learners' lexical knowledge and their language abilities. In more specific terms, researchers are increasingly confirming the idea that vocabulary size greatly impacts reading comprehension. In order to estimate English L2 learners' vocabulary size, several kinds of receptive vocabulary tests have been developed. But what about French L2 learners? How is their vocabulary size measured? There appear to be few well designed measures available. This study describes the development and validation of a new measure for French, the Test de la taille du vocabulaire (TTV). The TTV is closely modeled on Nation's (1990) widely used Vocabulary Levels Test (VLT) and follows the guidelines written by Schmitt, Schmitt and Clapham (2001). The TTV draws on recent corpus-based frequency lists for French (Baudot, 1992; Lonsdale & Le Bras, 2009). Initially, a pilot version was trialled with 63 participants, then an improved version was administered to 175 participants at four levels of proficiency. Results attest to the TTV's validity: scores indicate that the higher the group, the larger its vocabulary size. Moreover, the mean scores across the four word sections decrease as the test sections became more difficult. This assessment tool also proved to be reliable as performance on the test confirmed learners' level as determined by the institutional placement test. Post-test interviews with the participants confirmed their knowledge of the test words. Recommendations for improving the TTV, implications for theory and practice, and limitations will be discussed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».