Être créatif avec les technologies : enseigner le français de spécialité au niveau Master dans les cours de langues étrangères à l’Université de Turin
Bibliographic record
Abstract
Aujourd’hui le monde du travail et la situation complexe de la société exigent des connaissances spécialisées et des compétences hétérogènes surtout orientées vers le numérique pour pouvoir répondre, au mieux, aux attentes professionnelles. Il devient alors nécessaire de penser à une éducation plus dynamique, où la didactique, y compris celle des langues, soit conçue dans des termes différents. Grâce à la créativité, il est possible d’adopter des stratégies innovatrices qui permettent, en même temps, de développer de nouvelles méthodes, de nouveaux outils, de nouveaux contenus et des environnements d’apprentissage efficaces. En effet, à travers ces stratégies, on peut impliquer les étudiants dans des activités qui leur permettent de développer eux-mêmes leur créativité comme moyen pour résoudre des problèmes ou pour développer des capacités analytiques. Mais alors comment peut-on être créatif dans l’enseignement du français de spécialité au niveau avancé ? 
 Le but de cet article est de rendre compte d’une expérimentation qui a eu lieu au Centre des Langues de l’Université de Turin où un environnement numérique technologique à disposition des professeurs et des étudiants permet de programmer des parcours spécifiques et articulés pour enseigner et apprendre les langues étrangères. Par l’intégration d’applications numériques, les activités didactiques peuvent être menées d’une manière innovante par les étudiants à travers des travaux individuels de recherche grâce à Internet et à l’intégration de la linguistique de corpus avec la traduction assistée par ordinateur. Les étudiants ont collecté un corpus de textes extraits de sites institutionnels et à travers un logiciel de traitement des textes tels que SketchEngine (liste de mots, concordancier) et un logiciel professionnel tel que Trados 2011 (mémoire de traduction et base de données terminologique) ont accompli les tâches assignées pour l’analyse de la communication institutionnelle internationale et sa médiation dans la langue italienne et française et de la terminologie.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".