L’acquisition L2 des compléments infinitifs français par des apprenants anglophones
Bibliographic record
Abstract
L’acquisition L2 des compléments infinitifs français (CI ; p. ex. chercher à + infinitif, empêcher de + infinitif, aller Ø + infinitif) implique d’apprendre que le choix de la préposition ( à , de ou élément nul) qui précède l’infinitif est arbitraire et qu’il doit être déterminé cas par cas. L’anglais (la L1 des participants de cette étude) utilise uniquement la préposition to ‘à’ à cette fin. Cette étude vise à répondre aux questions suivantes : (1) Quels types d’erreurs les apprenants anglophones font-ils relativement aux constructions verbales à CI ? ; (2) Y a-t-il une utilisation généralisée d’une des prépositions ? Nous avons supposé que (1) tous les apprenants utiliseraient à , de et l’élément nul dans des contextes inappropriés, (2a) que à serait surgénéralisé par les apprenants moins compétents à cause de l’influence translinguistique, (2b) tandis que de serait surgénéralisé par les apprenants plus compétents en raison de sa fréquence élevée dans l’input. Nous avons examiné la production et la compréhension des CI chez onze apprenants L2 (six moins compétents, cinq plus compétents) à l’aide d’un test à trous et d’une tâche de jugement de grammaticalité ; et nous avons trouvé (i) des erreurs relatives au choix de la préposition, (ii) ainsi qu’une surgénéralisation de la variante de que nous avons interprétée comme une conséquence de sa fréquence importante dans l’input.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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; both teacher heads agree on what is shown here.
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".