French Learners’ Past-Tense Development through Collaborative Writing Tasks: The Role of Procedural and Content Repetition
Bibliographic record
Abstract
La majorité des études sur la répétition des tâches portent sur la production orale des apprenants, mais il reste à voir si ce type d’exercice peut également faciliter l’apprentissage dans d’autres domaines de compétence comme celui de l’écrit. Les auteures ont comparé l’incidence de la répétition procédurale (RP) et de la répétition du contenu (RC) sur la précision dans l’usage du passé composé que font des apprenants du français effectuant des tâches collaboratives à l’écrit. L’étude a été réalisée auprès de 42 apprenants à l’équivalent de A2 sur l’échelle CEFR inscrits à deux cours universitaires. Au cours des quatre semaines qu’a duré l’étude, les participants ont d’abord effectué une tâche de description d’images lors du prétest. Ils ont ensuite réalisé trois tâches collaboratives à l’écrit en guise de traitement et ont enfin effectué de nouveau la tâche de description d’images lors du posttest. Les participants avaient préalablement répondu à un questionnaire de données sociodémographique. Le groupe RP a effectué trois tâches d’échange d’information à partir d’une liste de verbes chaque fois différente, tandis que le groupe RC effectue trois tâches de nature différente à partir du même contenu (c’est-à-dire de la même liste de verbes). Les écrits soumis par les apprenants dans le cadre des tâches collaboratives ainsi que lors du prétest et du posttest ont été analysés sur le plan de la production de la structure ciblée et de la précision. Les résultats montrent que le groupe RC a produit le passé composé plus fréquemment et avec plus de précision que le groupe RP. Quant aux résultats obtenus aux tâches de description d’images, même si aucune différence n’est observée entre l’un et l’autre des groupes, ils affichent tous les deux de nets progrès entre le prétest et le posttest. Enfin, les auteures traitent des répercussions de leur étude sur la didactique des langues et la recherche sur la répétition des tâches.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".