English Language Arts Performance of Grade 6 Students in an Intensive French Program
Bibliographic record
Abstract
Les faibles taux de rétention des programmes de français de base, conjugués au plan d’action du gouvernement fédéral pour accroître le bilinguisme au Canada, ont mené à l’instauration de programmes de français intensif (FI) en 6e année comme solution de rechange pour l’apprentissage du français. Bien que certains rapports isolés semblent indiquer que ces programmes n’ont pas d’incidence négative sur le développement des compétences en langue anglaise, les données empiriques à ce sujet sont limitées. Les auteurs ont ici pour but d’étudier comment les élèves d’un programme de FI obligatoire d’une durée d’un an ont réussi par rapport aux élèves en enseignement de la langue anglaise (ELA) du reste de la province, selon les résultats des tests critériés provinciaux au niveau primaire. La comparaison des élèves des programmes de FI obligatoires aux élèves du reste de la province de Terre-Neuve et Labrador sur une période de huit ans, de 2005 à 2012, révèle que les élèves de FI, au terme de la 6e année, ont moins de chances de décrocher une note adéquate aux tests critériés d’ELA, pour toutes les tâches évaluées : écriture sur demande, lecture de poésie, lecture de textes informatifs et écoute. Les auteurs analysent la signification pédagogique de ces résultats et leurs conséquences.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".