The Role of Multimodality during the Negotiation of Meaning in an English/Spanish eTandem Video-Conferencing Exchange
Bibliographic record
Abstract
Les auteurs rendent compte de la façon dont les participants à un échange anglais-espagnol en tandem virtuel par vidéoconférence ont utilisé les possibilités offertes par la plateforme WebEx à titre de ressources multimodales en situation de négociation du sens. L’échange faisait intervenir cinq dyades d’étudiants universitaires ayant un niveau intermédiaire de compétence linguistique. Au total, sept tâches ont été réalisées dans chaque langue. L’analyse de la transcription de l’interaction a permis de dénombrer 915 épisodes mettant l’accent sur la forme (FFE — focus-on-form). Une analyse plus poussée des FFE a révélé que six types de ressources multimodales entraient en jeu au cours du processus de négociation : le clavardage, les images, l’ardoise blanche, la traduction électronique, la webcaméra et le dictionnaire papier. Parmi ces ressources, les plus fréquemment utilisées étaient le clavardage (comptant pour plus de la moitié de l’ensemble des FFE), les images et l’ardoise blanche. Bien que l’importance des ressources multimodales au cours de la négociation du sens ait été établie dans de précédentes études, les auteurs confirment ici la fréquence du recours à une combinaison de ressources, données statistiques à l’appui. À la différence des études précédentes, qui ont principalement porté sur Skype, la présente étude fait ressortir en quoi les possibilités accrues de la plateforme WebEx améliorent l’aptitude des participants à négocier le sens, particulièrement en ce qui se rapporte au clavardage, à la propriété du document partagé facilitant l’utilisation des images et à l’ardoise blanche pour les dessins. Bien que leur appréciation de la webcaméra ait été modérée pour ce qui a trait à l’apprentissage de la langue en soi, les participants en ont reconnu l’importance au niveau socioaffectif comme mécanisme permettant d’établir une présence sociale et de créer un lien avec leurs partenaires.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".