Using the Concept of Aspect to Mediate the Choice of Past Tense in L2 French: Case Study of an Advanced Student at the Tertiary Level
Bibliographic record
Abstract
Les auteurs approfondissent les recherches réalisées à ce jour sur la pédagogie basée sur les concepts en étudiant l’usage du concept grammatical d’aspect comme instrument médiateur de la prise de décisions dans le cadre de tâches. Ils rapportent plus précisément les résultats d’une étude de cas longitudinale dans laquelle ils se penchent sur les explications d’un étudiant quant à son choix du temps passé français (passé composé ou imparfait). Parmi les données qu’ils recueillent au moyen d’enregistrements audio figurent les échanges chercheur-étudiant sur les réponses écrites de l’étudiant aux tâches qui lui ont été assignées et dont il s’est acquitté avant et après une heure de cours sur le concept d’aspect. Les résultats de l’exercice révèlent une évolution dans les explications de l’étudiant. Avant le cours, l’étudiant utilise des règles empiriques formelles, mais la terminologie conceptuelle apparaît dans ses explications immédiatement après le cours. Quatre semaines après le cours, l’étudiant justifie ses choix en mettant l’accent avant tout sur le sens qu’il souhaite communiquer. Plus important encore, il s’appuie sur une méthode qu’il a lui-même élaborée, à partir d’un raisonnement logique, pour expliquer ses décisions quant aux formes du verbe. Les auteurs traitent des répercussions pédagogiques de ces observations et font valoir que les cours de rédaction de niveau supérieur pourraient être ceux qui se prêtent le mieux à l’application de la pédagogie basée sur les concepts.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| 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".