A Aprendizagem do Gênero Textual Resumo por Estudantes de Letras Francês: um dispositivo didático a serviço do letramento acadêmico
Bibliographic record
Abstract
durante um semestre da graduação em Letras-Francês, visando a desenvolver as capacidades de linguagem dos alunos, em LE. De forma mais específica, apresentaremos o trabalho feito com os alunos sobre as operações de linguagem relacionadas ao processo de sumarização das ideias de um texto (MACHADO, 2002/2010) e do evitamento de repetições, mostrando o dispositivo concebido e as produções dos alunos e discutindo o papel do Laboratório de Letramento Acadêmico (LLAC) no desenvolvimento das capacidades de linguagem dos alunos. Nosso estudo toma por base teórico-metodológica o Interacionismo Sociodiscursivo (BRONCKART, 1999) e seus desdobramentos para a Didática das Línguas, por meio dos conceitos de: modelo didático (DE PIETRO; SHCNEUWLY, 2003), sequência didática (DOLZ, NOVERRAZ, SCHNEUWLY, 2004), capacidades de linguagem (DOLZ, PASQUIER, BRONCKART, 1993) e propondo, também, uma aproximação com a proposta de itinerários para a escrita (COLOGNESI, DOLZ, 2017). Além disso, levando em conta o contexto universitário de nossa pesquisa, pautamo-nos trabalhos sobre Letramento Acadêmico que têm sido realizados na perspectiva do “escrever para aprender” (GERE, 2019) e da função epistêmica da escrita (BLASER, LAMPRON, SIMARD-DUPUIS, 2015).
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 | 0.012 | 0.041 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.009 | 0.007 |
| Science and technology studies | 0.009 | 0.008 |
| Scholarly communication | 0.014 | 0.011 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".