Difficultés d’ordre grammatical rencontrées chez les immigrants adultes allophones dans l’apprentissage du français langue seconde
Bibliographic record
Abstract
La présente étude vise à identifier et classer les difficultés d’ordre grammatical rencontrées chez les immigrants adultes allophones dans l’apprentissage du français langue seconde. Nous avons d’une part analysé les examens finaux de 98 apprenants inscrits dans les cours de francisation à l’Université de Montréal afin de décrire leurs erreurs grammaticales fréquentes commises. Nous avons décrit les erreurs grammaticales fréquentes produites par les apprenants de chaque niveau de francisation d’une manière précise afin que les apprenants puissent bien éviter l’usage de formes erronées et bien développer des compétences linguistiques en français langue seconde. D’autre part, nous avons collecté les opinions personnelles de cinq professeurs principaux de francisation à l’égard de l’importance de l’enseignement de la grammaire dans les cours de langue seconde, du traitement des erreurs grammaticales, et de la persistance des erreurs à travers différents niveaux, etc. En précisant les points grammaticaux à apprendre de chaque niveau de francisation et en fusionnant les résultats des apprenants et des professeurs, nous pouvons offrir aux apprenants adultes allophones des tableaux simples des points grammaticaux et des erreurs grammaticales correspondantes de chaque niveau. Ces derniers pourraient les exploiter pour favoriser la maîtrise du français langue seconde ainsi leur intégration à la société québécoise.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".