Représentations des effets de l’apprentissage de l’espagnol sur le français : le cas d’étudiants du Cégep de l’Abitibi-Témiscamingue
Bibliographic record
Abstract
Au Québec, les défis quant à la maîtrise du français, langue majoritaire d’enseignement et d’apprentissage, sont préoccupants. Il est impératif d’envisager des pistes de réflexion pour soutenir les mesures prises actuellement pour assurer la qualité de la langue française. Parallèlement, l’apprentissage de langues secondes est socialement de plus en plus valorisé et l’optimisation de l’enseignement de langues similaires est une pratique éprouvée. Néanmoins, alors que les théories sur les effets d’une langue première (L1) sur la deuxième (L2) est un concept bien documenté, les effets de la L2 sur la L1 en est un sur lequel peu de chercheurs se sont penchés. En considérant que l’éducation constitue une préparation à la vie et que 55% de la population de 16 ans et plus n’atteint pas les compétences de littératie exigées dans notre société et ne sont pas prêts à affronter la réalité du travail d’aujourd’hui (Institut de la Statistique du Québec, 2003), cette recherche vise à explorer la relation bidirectionnelle des effets d’une langue sur une autre en accentuant la réflexion qui mène à favoriser le développement des habiletés en français tout en se basant sur les recherches inspirées de la didactique des langues voisines et sur des études relatives aux approches plurilingues. L’objectif de ce rapport est de présenter les données relevant d’une étude de cas avec des étudiants collégiaux québécois qui se sont exprimés lors d’entretiens semi-dirigés sur leurs représentations quant aux effets de leur apprentissage de l’espagnol sur leur compétence langagière francophone. Les données ont été traitées par analyse de contenu et les résultats de notre recherche montrent que la majorité des étudiants collégiaux perçoivent plusieurs effets de l’apprentissage de l’espagnol qui référent à différents qualificatifs selon leur nature. Les réponses des participants nous ont permis de répertorier différents exemples d’effets selon trois catégories : 1) bénéfique 2) neutre ou 3) détériorant. Ce projet de recherche permet une meilleure compréhension des effets de la L2 sur la L1 sur lequel des recherches futures pourront se baser pour pousser plus loin l’état des connaissances, les pratiques et les outils offerts dans ce domaine.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".