Facteurs de développement de l’autonomie langagière en FLE / FLS
Bibliographic record
Abstract
D’entrée de jeu, les auteurs posent un certain nombre de distinctions conceptuelles, notamment entre autonomie générale, autonomie d’apprentissage et autonomie langagière, en montrant que les définitions les plus courantes de l’autonomie s’appliquent en particulier aux apprenants adultes et conviennent peu à un public de jeunes apprenants d’une langue seconde ou étrangère. En deuxième lieu, ils s’interrogent sur le sens des relations entre apprentissage et autonomie en montrant que le développement de l’autonomie langagière passe par le développement de l’autonomie d’apprentissage et conduit à l’autonomie générale. Ensuite, ils exposent les grandes lignes d’un nouveau régime pédagogique qu’ils ont conçu et implanté en milieu scolaire canadien, le français intensif. Puis, les auteurs s’attardent sur trois facteurs qui, au sein de ce régime pédagogique, permettent d’assurer le développement d’une autonomie langagière : un programme d’études centré sur les intérêts de l’élève, des stratégies d’enseignement axées sur l’interaction et la communication authentique, et un nombre minimal d’heures intensives. Enfin, ils examinent le rôle et la place des technologies dans le développement de l’autonomie langagière, en remettant en cause quelques présupposés actuels sous-jacents à l’utilisation des technologies.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".