Social perspectives on interaction and language learning in CLIL classrooms
Notice bibliographique
Résumé
Book synopsis: Studies on discourse and language learning originated in the field of general education and they focused on first language learning environments. However, since 1980s research on discourse and language learning broadened the scope of investigation to respond to second and foreign language environments. Recently, the emergence of new language learning contexts such as computer mediated communication, multilingual settings or content and language integrated contexts requires further research that focuses on discourse and language learning. From this perspective, the present volume aims to broaden the scope of investigation in foreign language contexts by exploring discourse patterns in the classroom and examining the impact of factors such as gender, explicitness of feedback or L1 use on language learning through discourse. \n \nWith that aim in mind, this volume will bring together research that investigates discourse in various instructional settings, namely those of primary, secondary and university L2 learning environments, content and language integrated contexts and other new language learning settings. The number and variety of languages involved both as the first language (e.g. English, Finnish, Basque, Spanish, Japanese, French, Italian, Catalan) as well as the target foreign language (e.g. English, French, Italian, Japanese, Spanish) makes the volume specially attractive. Additionally, the different approaches adopted by the researchers participating in this volume, such as information processing, sociocultural theory, or conversation analysis, widen the realm of investigation on discourse and language learning. Finally, the strength of the volume also lies in the range of educational settings (primary, secondary and tertiary education) and the worldwide representation of contributors across seven different countries, namely those of Spain, France, Austria, Finland, Germany, Canada, Australia and the United States. \n \nThe uniqueness of the volume is due to its eclectic and comprehensive nature in tackling instructional discourse. Worldwide outstanding researchers, like Julianne House, Carme Muñoz, Ute Smit, Tarja Nikula or Roy Lyster, to quote but a few, adopt different perspectives in this joint contribution that will certainly broaden the scope of research on language learners’ discourse.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».