Bibliographic record
Abstract
\n \nLa présente communication se situe dans le cadre dune recherche empirique portant sur les progrès linguistiques accomplis en FL2 par deux groupes détudiants avancés ayant passé leur 3e année universitaire en France (groupe expérimental) ou dans le sud de lOntario, au Canada (groupe témoin).\n\nOn se limitera ici à lanalyse qualitative et quantitative des progrès accomplis par ces 87 étudiants sur le plan lexical. On tentera ainsi de déterminer si le séjour linguistique à létranger favorise les progrès lexicaux chez les étudiants avancés et, si oui, dans quelle mesure et sur quels points du système. \n\nMais la quantification de ce type de progrès pose des problèmes évidents, car on ne mesure pas aussi facilement lutilisation dun lexème que celle dune forme grammaticale ou dune variante phonétique. Cest probablement ce qui explique la paucité relative détudes quantitatives lexicales sur la parole spontanée, surtout en L2. Or, depuis lapparition du logiciel anglais Vocabprofile (Laufer et Nation, 1995), adapté pour le français par Jones en 2001 (Vocabprofil), on peut désormais évaluer la richesse lexicale dun texte quelconque en termes quantitatifs. \n\nAprès avoir donné les principaux résultats de lapplication de Vocabprofil au corpus de FL2 décrit ci-dessus et les avoir rapprochés dune étude comparable (Ovtcharov et al, 2006), on discutera ici des bienfaits et des limites de ce logiciel, ainsi que de la nécessité dajouter une analyse qualitative pour mieux comprendre lévolution du lexique de nos étudiants de niveau avancé.\n\n
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".