Réflexions métalinguistiques et correction d’erreurs en anglais langue seconde : étude des types de réflexions et relation avec l’exactitude des corrections
Bibliographic record
Abstract
Une tâche de correction des erreurs peut être utilisée comme mesure des connaissances grammaticales explicites des apprenants. Cependant, une telle tâche, surtout lorsque la modalité de passation permet les interactions entre participants, fournit un portrait plus riche de la capacité des apprenants à réfléchir au sujet du langage pris comme objet et de la façon dont ces réflexions peuvent être associées à leur correction des erreurs. Dans la présente étude, nous cherchons donc à répondre aux deux questions suivantes : 1) Quels types de réflexions métalinguistiques sont produits par des participants de 5e et de 6e année du primaire et de 4e secondaire lors d’une tâche collaborative de correction d’erreurs ; 2) Quelle est la relation entre le type de réflexions métalinguistiques et l’exactitude de la correction apportée par ces deux groupes ? Nous avons ainsi recueilli et codé en deux grandes categories (avec formulation de règles/sans formulation de règle) les réflexions métalinguistiques de 33 apprenants d’anglais langue seconde (sept dyades et une triade au primaire, huit dyades au secondaire) lors d’une tâche de correction d’erreurs, ainsi que leur succès dans la correction de ces erreurs. Les résultats montrent que les deux types de réflexions (avec et sans formulation de règle) peuvent être associés à des corrections exactes, mais que seules les corrections avec règles exactes sont associées à tout coup à des corrections exactes.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".