Perception de la diversité linguistique en milieu universitaire francophone minoritaire: un regard sur les attitudes des étudiants et les défis de gestion de la classe
Bibliographic record
Abstract
Au Campus Saint-Jean de l’Université de l’Alberta, les étudiants sont confrontés à une diversité de professeurs (canadiens, européens, africains, arabes, chinois, etc.) parlant souvent des variétés du français différentes (accents différents, expressions différentes, etc.). Ce constat nous a conduits à nous intéresser à l’analyse des attitudes linguistiques qu’affichent les étudiants du C. S.-J. à l’égard de la diversité linguistique de leurs professeurs. Il est précisément question, dans cette recherche, de comprendre, d’une part, la façon dont ces étudiants perçoivent cette diversité en salle de classe et, d’autre part, les défis que cette dernière peut engendrer au niveau de leur apprentissage. Les données ont été recueillies par le biais d’une enquête qualitative comportant un questionnaire écrit destiné à 71 participants faisant leurs études au C. S.-J. Ainsi, ayant eu la possibilité d’exprimer ouvertement la perception qu’ils avaient, durant leur première session passée au C. S.-J., par rapport à la diversité linguistique de leurs professeurs, les personnes sondées ont affiché des attitudes que nous avons classifiées en quatre catégories : neutres, positives, positives et négatives en même temps et négatives. Cette diversité linguistique est perçue généralement de façon positive bien qu’elle comporte des défis de gestion de la classe.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".