L’émotion et l’apprentissage des langues
Bibliographic record
Abstract
« Au commencement était l'émotion ». Cette célèbre phrase de l'écrivain français Louis-Ferdinand Céline introduit la tonalité de ce numéro de la revue Lidil. Si le mouvement premier de la pensée est d’associer la langue au verbe, les recherches décrites dans ce numéro abordent ici la langue à travers l’émotion comme objet d’investigation. L’originalité est de questionner l’émotion dans l’approche actionnelle, mise en œuvre actuellement dans la didactique du plurilinguisme. Les articles d’ouverture et de fermeture sont des exposés théoriques qui questionnent la place de l’émotion dans les méthodes didactiques de l’enseignement des langues et sur le plan pédagogique dans la construction de l’identité plurilingue, à la lumière de cadres théoriques de la psychologie. La première partie se compose de cinq articles qui relèvent de la didactique en exposant des recherches empiriques sur des territoires francophones variés (Canada, Belgique, France). Ces travaux s’interrogent sur le lien entre cognition et émotion tout en offrant des pistes didactiques. La deuxième partie, construite autour de trois articles, s’ancre dans la linguistique et fait avancer la réflexion autour des concepts de langue et d’émotion à partir de traces verbales recueillies dans des contextes hétérogènes.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.015 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".