L2 French Learnersâ Processing of Object Clitics: Data from the Classroom
Notice bibliographique
Résumé
The purpose of this study was to assess whether the well-documented paucity of object clitics in L2 French production reflects difficulties learners have comprehending these forms in classroom input. To this end, an aural French-English translation task was used to determine the extent to which university-level L2 learners of French (N=152) were able to process and encode the meaning of the object clitics me, te, la, lâ, les, lui, leur, y and en. An analysis of the translations revealed variation in performance across clitic types (19-75% accuracy) and as a function of learnersâ proficiency level and educational background. There was a positive relationship between L2 proficiency and clitic processing. Post-French immersion learners were better able to process and encode clitics than their post-core French peers. As a group, the learners were only 54% accurate, with their mistranslations of object clitics indicating incomplete use of gender, number, animacy and case markings to link these forms to their co-referents. An under-reliance on animacy and agreement cues by these L2 learners suggests the need for explicit instruction on the importance of syntactic and discourse-pragmatic information in clitic comprehension.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,011 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».