MétaCan
Menu
Retour à la cohorte
Enregistrement W7100001486

Exploring the Effects of First- and Second-Language Proficiency on Summarizing in French as a Second Language», in Canadian

2000· article· en· W7100001486 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBotanical Research and Chemistry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomatic summarizationAffect (linguistics)Second languageLanguage proficiency
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

University students studying a second language are often required to sum-marize information they read or hear in that language. These learners bring with them a number of first-language summarization skills which may have an effect on how they acquire second-language summarization skills. What macrorules of summarization are actually affected by either first-language or second-language proficiency? According to the results of this study, both first-language summarizing skills and second-language proficiency affect second-language summarizing skills, except for inclusion of main ideas and amount of distortion which are more affected by first-language summarizing skills. Neither first-language summarizing skills nor second-language profi-ciency have an effect on combining within and across paragraphs and the use of macropropositions. Suggestions for teaching and future research conclude the paper. Les étudiants de niveau universitaire qui étudient une langue seconde ont sou-vent a ̀ résumer l’information qu’ils lisent ou entendent dans cette langue. Ces apprenants font preuve d’un nombre d’habiletés propres au résume ́ de texte dans leur langue maternelle qui pourraient avoir une influence sur la façon d’acquérir ces habiletés dans une langue seconde.Quellesmacrorègles propres au résume ́ de texte sont en fait influencées soit par la compétence en langue maternelle soit par la compétence en langue seconde? Selon les résultats de cette étude, ces deux facteurs ont une influence sur l’habilete ́ a ̀ résumer un texte dans la langue seconde, exception faite toutefois de l’incorporation des idées principales et du degre ́ de distorsion du message qui sont plus influ-encés par leur habilete ́ a ̀ résumer un texte dans leur langue maternelle. Ni la compétence dans ce domaine en langue maternelle, ni la compétence en langue seconde n’exercent une influence sur la combinaison de phrases au sein d’un paragraphe ou de plusieurs paragraphes, ou encore sur l’utilisation de macropropositions. Des suggestions quant a ̀ l’enseignement de ces habiletés et quant aux recherches a ̀ venir concluent cette étude.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,138

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0040,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,229
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBotanical Research and ChemistryTravaux en français237 207