Les interventions verbales et leur effet sur l'accomplissement des tâches dans les interactions de paires et de groupes dans des classes d'anglais langue seconde
Bibliographic record
Abstract
Cette étude qualitative a pour objectif de comprendre comment les interventions verbales des apprenantes et apprenants contribuent à la résolution effective des tâches linguistiques orales dans une classe d'anglais langue seconde selon la théorie Vygotskienne. La recherche a montré que les apprenantes et apprenants passent un temps considérable à discuter les énoncés ainsi que de la meilleure façon de résoudre les tâches linguistiques orales. Or, la recension des écrits a révélé que peu d'études ont tenté de comprendre ce que font les apprenantes et apprenants quand ils sont appelés à résoudre des tâches orales. Dans notre étude nous avons donc essayé de jeter la lumière sur ce phénomène. Les interactions verbales de 10 apprenantes et apprenants ont été enregistrées pendant la résolution de tâches linguistiques orales dans une classe d'anglais langue seconde de l'université de Sherbrooke. Pour analyser les données, nous avons utilisé des éléments de trois méthodes d'analyse, notamment la méthode microgénétique de Vygotsky, l'analyse interactionnelle et l'analyse des conversations. Les résultats ont révélé que les apprenantes et apprenants utilisent un nombre important de stratégies afin de mieux comprendre et résoudre les tâches linguistiques orales de façon efficace. Ils recourent notamment à leur langue maternelle, la répétition et la co-construction de phrases. La discussion de ces résultats a montré que la meilleure compréhension des stratégies utilisées par les apprenantes et apprenants ainsi que comment celle-ci [i.e. celles-ci] sont utilisées pourrait contribuer positivement à l'amélioration des techniques d'enseignement par tâches des langues secondes.
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 | 0.005 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".