Marqueurs de compétence (socio)linguistique chez des apprenant(e)s universitaires de français langue seconde: l'accord verbal de nombre et la particule négative «ne»
Notice bibliographique
Résumé
Par le biais d’un cadre théorique composite (perspectives acquisitionniste et sociolinguistique variationniste), cette thèse examine deux indicateurs de compétence (socio)linguistique parmi des apprenants anglophones de français du programme bilingue de l’université de Yaoundé, à partir d’un corpus oral. \nLe taux élevé d’accord au pluriel observé chez les apprenants L2 véhicule une information importante sur leur stade développemental en L2. En effet, l’Accord verbal de nombre (AVN [1]) est une dimension clé de la morphologie flexionnelle verbale, car il constitue une pierre d’achoppement pour les apprenants L2 : les règles de son fonctionnement ne sont habituellement maitrisées que dans les stades avancés du processus d’apprentissage linguistique (cf. Bartning, 1997/Bartning & Schlyter, 2004; Prévost, 2009; Ågren, 2014/2017). \nPar ailleurs, cette recherche met en lumière de précieux renseignements sur la compétence sociolinguistique des apprenants L2 et sur la trajectoire du français parlé au Cameroun. Cette étude a entre autres trouvé que les locuteurs camerounais sondés, contrairement aux locuteurs européens et canadiens, conservent la particule de négation ne à une proportion extrêmement élevée. \n \n[1] « AVN », « Accord sujet-verbe en nombre », « accord verbal en nombre », « accord en nombre sujet-verbe» sont aussi utilisés dans la littérature pour faire référence au même phénomène grammatical. Des \nsituations en français parlé où « le nombre n’est marqué que sur certains groupes de verbes et dans certains contextes phonologiques » (cf. Ågren, 2014).
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».