The Development of the Linguistic Risk-Taking Initiative at the University of Ottawa
Bibliographic record
Abstract
Les auteurs, prenant appui sur la notion de prise de risques linguistiques, s’intéressent à un nouveau projet pédagogique de l’Université d’Ottawa, établissement où les cours, les programmes et les services sont offerts à la fois en anglais et en français. Dans ce contexte bilingue, ils définissent les risques linguistiques comme étant des actes de communication authentiques dans la langue officielle seconde des apprenants (français ou anglais), susceptibles de présenter un « risque » en raison de divers facteurs liés notamment à la possibilité de commettre des erreurs, d’être mal compris, de mal comprendre les interlocuteurs, d’être jugé, de changer d’identité et de modifier des modèles de choix linguistique précédemment établis. Ces risques peuvent amener les apprenants à laisser passer les occasions qui leur sont offertes sur l’ensemble du campus de s’investir de manière authentique et signifiante dans l’apprentissage de la langue seconde. Afin d’encourager la prise de risques, les auteurs conçoivent un projet dans le cadre duquel ils proposent un passeport de prise de risques linguistiques (un livret de 26 pages dans lequel sont répertoriés plus de 70 risques) qu’ils distribuent à plus de 500 apprenants du français ou de l’anglais. Les risques répertoriés correspondent à des activités authentiques situées à l’extérieur des classes de langue (par exemple, parler dans la langue seconde à la bibliothèque, s’adresser à un passant pour demander sa route, commander des aliments à la cafétéria, interagir avec les professeurs ou les gestionnaires, participer à des événements, etc.). Les apprenants cochent eux-mêmes les risques énumérés dans leurs passeports à mesure qu’ils les prennent, formulent des observations sur les niveaux de difficulté, proposent d’autres risques et peuvent soumettre leurs passeports en vue de l’obtention de prix. Les auteurs recensent les concepts théoriques liés à la prise de risques linguistiques, précisent les détails de l’élaboration du projet et concluent par des orientations futures, notamment quant à l’usage de la technologie.
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 | 0.012 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.014 | 0.007 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.004 | 0.009 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".