Les Obstacles De L’usage Du Subjonctif Présent En Français : Le Cas Des Apprenants D’Ignatius Ajuru University of Education
Bibliographic record
Abstract
Naturellement, le mode subjonctif que les francophones emploient constitue un probleme majeur dans l’enseignement de la grammaire du francais pour certains apprenants etrangers (Natalia, 2014, p.14). Cet article traite la problematique du subjonctif present en francais chez les apprenants Anglophones et en particulier nos enquetes de quatrieme annee a Ignatius Ajuru University of Education. Nous avons releve quelques-uns de ces problemes dans l’usage du subjonctif present chez nos enquetes tels que la confusion dans le choix du mode (indicatif, subjonctif), la problematique dans la conjugaison des groupes de verbe et ensuite les raisons pour ces difficultes. Nous avons donne des recommandations pour ameliorer l’enseignement de ce temps verbal chez nos apprenants et les apprenants anglophones en generale. Dans un premier temps, nous avons montre le concept de cet article. Ensuite, dans un deuxieme temps, nous avons montre les difficultes que rencontrent d’autres apprenants dans l’apprentissage des temps de ce mode du subjonctif par d’autres chercheurs. Nous avons ensuite analyse les obstacles d’usage de ce mode et comment il est difficile de les assimiler. Dans le cadre de la methodologie de cette recherche, nous avons adopte une approche simple pour decrit les donnees obtenues de nos enquetes. Dans le recueil, nous avons observe un grand nombre d’erreurs sur ce temps verbal.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".