MétaCan
Menu
Retour à la cohorte
Enregistrement W7130366171 · doi:10.7202/1122990ar

Rétroaction corrective en français langue seconde et engagement des adolescents immigrants : une étude de cas multiples

2025· article· fr· W7130366171 sur OpenAlexaffvenueabout
María-Lourdes Lira-Gonzales, Carole Durand

Notice bibliographique

Revue˜La œRevue de l'AQEFLS/Revue de l'AQEFLS · 2025
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésImmigrationCanadian studiesTemporary work

Résumé

récupéré en direct d'OpenAlex

L’efficacité de la rétroaction corrective (RC) a suscité un intérêt croissant dans l’enseignement de l’écriture en langue seconde. Bien que les résultats des études empiriques soient parfois contradictoires, il est reconnu que divers facteurs individuels et contextuels influencent l’engagement des apprenants envers la RC (Han et Hyland, 2015 ; Zhang et Hyland, 2018 ; Zheng et Yu, 2018). Utilisant une perspective écologique (Bronfenbrenner, 1979 ; Lira-Gonzales et Valeo, 2023 ; Van Lier, 1997), la présente étude de cas multiples examine comment les facteurs individuels et contextuels ont influencé l’engagement d’un groupe d’adolescents immigrants non francophones dans un programme d’intégration linguistique, scolaire et sociale (ILSS) au Québec. Les participants étaient cinq adolescents âgés de 14 à 16 ans, qui étaient nouvellement arrivés et inscrits dans une classe d’accueil au niveau débutant. Les données ont été collectées sur une période de six semaines, incluant des textes rédigés par les apprenants et des entretiens semi-structurés. Les résultats mettent en lumière l’interconnexion et la complexité des facteurs individuels et contextuels qui influencent l’engagement des apprenants envers la rétroaction corrective, soulignant l’importance de ces éléments dans le processus d’apprentissage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,484
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,324
Écart entre enseignants0,298 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revue˜La œRevue de l'AQEFLS/Revue de l'AQEFLSMême sujetFrench Language Learning MethodsTravaux en français237 207