Un code-switching inédit en classe de langue : la déromanisation graphique et morphosyntaxique de la L2
Bibliographic record
Abstract
Dans cette étude empirique, nous avons relevé, analysé et évalué un phénomène linguistique nouveau qui prend curieusement une certaine ampleur dans le domaine de l’apprentissage des langues. Il s’agit d’une forme singulière d’alternance codique (code-switching) qui consiste dans le recours à la déromanisation de la L2. L’étude a été menée auprès de 47 étudiantes saoudiennes arabophones apprenant le français à l’université. Pour la collecte des données, nous avons relevé et analysé des interactions écrites lors de communications par l’entremise de l’application WhatsApp qui représente un moyen sécurisé de réseautage social à usage courant en Arabie saoudite. Nous avons pu constater que la plupart des participantes ont eu recours à la déromanisation lors des échanges en transcrivant en arabe (L1) des mots français (L2). Nous avons identifié les raisons et les formes du code-switching avec ou sans déromanisation et mesuré l’impact de ce phénomène sur l’apprentissage de la L2.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".