Bibliographic record
Abstract
Les recherches menées au cours des années 1980 et 1990 sur le vocabulaire ont apporté un bol d’air frais à l’enseignement linguistique. Dans beaucoup de pays éloignés, les enseignants de l’anglais langue seconde ou étrangère soupçonnaient depuis longtemps que le plus grand défi pour leurs étudiants était le vocabulaire, mais les études existantes offraient peu de preuves de ce constat et peu de solutions. Puis, brusquement, Nation, Laufer, Meara, Schmitt et d’autres ont avancé un éventail d’idées très prometteuses et des applications concrètes : le séquencement et l’évaluation du vocabulaire selon la fréquence d’utilisation ; la différenciation entre le vocabulaire de base et le vocabulaire avancé, universitaire et technique ; l’interaction de la connaissance du vocabulaire et de la connaissance de la grammaire — autant d’idées qui ouvraient véritablement de nouvelles perspectives. Après avoir consacré une décennie à mettre ces idées en pratique et, faut-il espérer, à contribuer aux progrès ainsi rendus possibles dans des pays en développement (Arabie Saoudite, Oman, Hong Kong), les auteurs reviennent au Canada en se demandant quels aspects de ce travail y seraient applicables, le cas échéant, moyennant quels types de modifications, et ce qui pourrait y être greffé. Des idées d’une pertinence évidente dans un pays en développement, seraient-elles aussi pertinentes pour un pays développé ? Les auteurs brossent le tableau du vocabulaire tel qu’ils l’ont trouvé au Canada à leur retour, décrivent ce qu’ils essaient d’y apporter et formulent des propositions pour les prochaines étapes.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.078 | 0.004 |
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; both teacher heads agree on what is shown here.
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".