ANALYSE DES BESOINS DES ÉTUDIANTS SERBES DE LA LANGUE ET LITTÉRATURE FRANÇAISES PENDANT LA MOBILITÉ UNIVERSITAIRE EN FRANCE
Bibliographic record
Abstract
Afin de mieux préparer les étudiants serbes de la Langue et littérature françaises pour une mobilité universitaire en France, nous proposons l’élaboration d’un programme de Français sur Objectif Universitaire (FOU). Cette formation dédiée à ceux souhaitant participer aux mobilités viserait à faciliter l’intégration dans une université française en développant les compétences des étudiants aux niveaux linguistique, méthodologique et socioculturel. Notre principal objectif était l’analyse des besoins dans le cadre du programme de Français sur Objectif Universitaire pour les étudiants serbophones participant aux échanges dans le but d’assurer une meilleure et plus rapide intégration dans le système des études supérieures en France. Une étude observationnelle des cours au centre de recherche Grammatica au sein de l’Université d’Artois a été effectuée, ainsi qu’une collecte des données sous la forme des documents authentiques. Nous avons mené des enquêtes auprès des professeurs de cette université qui ont partagé leurs expériences avec des étudiants serbes. Après avoir observé les situations de communication dans lesquelles se trouvent les étudiants étrangers, nous avons pu tirer des conclusions sur les besoins des étudiants serbes pendant une mobilité universitaire en France. Nous avons jugé que le programme d’études de la Langue et littérature françaises à l’Université de Niš fournit des connaissances nécessaires pour l’intégration dans une université française. Cependant, un cursus de Français sur Objectif Universitaire dédié aux étudiants qui postulent pour participer dans les programmes de mobilités universitaires en France pourrait renforcer leurs c
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".