MétaCan
Menu
Back to cohort
Record W3012471376 · doi:10.3138/cmlr-2018-0231

French Learners’ Past-Tense Development through Collaborative Writing Tasks: The Role of Procedural and Content Repetition

2020· article· fr· W3012471376 on OpenAlexvenueno aff
Julie Carver, YouJin Kim

Bibliographic record

VenueCanadian Modern Language Review/ La Revue canadienne des langues vivantes · 2020
Typearticle
Languagefr
FieldArts and Humanities
TopicEFL/ESL Teaching and Learning
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPsychologyPhilosophy

Abstract

fetched live from OpenAlex

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 machine prediction

Teacher imitation

Not 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.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.026
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.006
Threshold uncertainty score0.032

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0060.026
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.000
Science and technology studies0.0010.001
Scholarly communication0.0030.002
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

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.

Opus teacher head0.027
GPT teacher head0.223
Teacher spread0.196 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations37
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueCanadian Modern Language Review/ La Revue canadienne des langues vivantesSame topicEFL/ESL Teaching and LearningFrench-language works237,207