What Is the Target for L2 Learners when Descriptive, Textbook, and Subjective Norms Widely Differ?
Bibliographic record
Abstract
L’un des aspects les plus complexes de l’interaction verbale devant être maîtrisé dans une langue seconde est l’utilisation des pronoms d’allocution. En français pour étudiants en soins infirmiers, les prescriptions pédagogiques favorisent l’usage du vous dans les interactions avec les patients; des études linguistiques ont toutefois démontré que le tu est de plus en plus utilisé au sein de la diaspora francophone et qu’il est privilégié par ceux qui s’adressent aux aînés dans l’Ouest canadien. Afin d’évaluer si les étudiants en soins infirmiers en français langue seconde dans l’Ouest canadien devraient se conformer aux prescriptions pédagogiques ou à la norme locale, l’auteure a effectué un test de perception selon le protocole du locuteur masqué auprès de patients aînés francophones ( N=42). À l’aide d’une échelle de Likert à cinq degrés, les participants ont attribué une cote à une série d’interactions dans lesquelles des infirmières bilingues français-anglais s’adressent à un patient aîné en le tutoyant ou en le vouvoyant. Une série de tests de comparaison des données Wilcoxon a révélé que même si l’utilisation du vous a suscité les réactions les plus positives ( p<0,05), l’usage du tu est apprécié par près de la moitié des participants. L’écart dans les préférences semble s’expliquer par une compréhension sensiblement différente de la façon dont doit s’exprimer verbalement le respect et la distance sociale dans ce contexte clinique. L’auteure examine le rôle des normes descriptives, pédagogiques et subjectives dans la pédagogie 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 | 0.011 | 0.049 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".