Analysis of Compositions by B1 Level (Threshold) Francophone Learners of Catalan: Typology of Errors and Correspondences
Notice bibliographique
Résumé
The focus of this research is to study the different types of errors made by intermediate level learners of Catalan (Threshold, B1) in written productions. The corpus is made up of compositions written by learners with French as a first language (L1) that were part of the official Catalan language examinations of the Ramon Llull Institute, conducted in Montreal between 2009 and 2016. We systematically identified and analyzed errors in each written text using an ad hoc constructed classification system presented here. Errors were categorized in terms of linguistic description criteria (linguistic aspect and modification type) and etiological criteria (interlinguistic influences and intralinguistic causes). \n \nWith a Multiple Correspondence Analysis (MCA), it was possible to identify associations and association patterns between the characteristics of different variables. For example, we were able to observe the more or less significant impact of certain variables on the occurrence of an error, the most frequent characteristics of certain types of errors, etc. The analysis is supplemented with real examples from our corpus. \n \nThe results we obtained allowed us not only to observe certain types of general phenomena, but also to detect specific recurrent errors from our corpus. This information would be useful to teachers when creating pedagogical activities in their quest to seek more effective ways to support their learners in writing (Arntzen, Håkansson, Hjedle & Keßler, 2019).
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».