Savoirs à enseigner relativement aux compléments verbaux dans le cadre d’un enseignement grammatical intégré du français langue d’enseignement et de l’anglais langue seconde
Bibliographic record
Abstract
Dans le cadre de cet article, à la lumière des apports potentiels de la didactique intégrée du français langue d’enseignement et de l’anglais langue seconde au Québec, nous dressons un portrait comparatif du traitement de la notion de complément verbal telle qu’elle est présentée dans divers ouvrages de référence sur le français et l’anglais. Plus particulièrement, par l’entremise de l’analyse du contenu de deux grammaires de langue française et de quatre grammaires de langue anglaise, nous nous arrêtons à la notion de transitivité, aux réalisations des compléments verbaux et aux manipulations syntaxiques permettant leur repérage. Les résultats montrent notamment les convergences et les divergences qui existent dans les descriptions qu’offrent les ouvrages relevant d’une même langue, mais ils permettent aussi de mettre en évidence les cohérences et les contradictions existant entre les grammaires de langues différentes. Ils nous amènent dès lors à faire des propositions afin d’harmoniser les contenus dans les deux langues et, ce faisant, à identifier les savoirs à enseigner lors d’un enseignement intégré des compléments du verbe.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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 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".