Les matériaux conversationnels pour l’enseignement de la compétence interculturelle
Bibliographic record
Abstract
Dans le présent article, nous nous penchons sur la conversation familière et sur les actes illocutoires qui la composent, dans la perspective de l’enseignement des compétences interactionnelle et interculturelle en classe de français langue seconde pour adultes immigrants au Québec. La métalangue sémantique naturelle de Wierzbicka, en constante évolution depuis sa création en 1972, est mise au service de la présentation de différentes cultures conversationnelles. À la suite de cette introduction théorique, nous présentons un inventaire des actes illocutoires recensés dans le Corpus de français parlé au Québec, que nous avons organisés selon notre observation de leur déroulement dans les transcriptions des conversations québécoises. Enfin, pour guider les enseignants dans leur transmission des éléments de la dimension comportementale de la compétence interculturelle, nous proposons quatre fiches pédagogiques pour découvrir la conversation telle qu’elle se déroule au Québec, à partir de quatre points de vue différents : le code écrit et le code oral de la langue; le déroulement de la conversation; les registres de langue; la découverte autonome de la variation en contexte québécois.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.009 | 0.025 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.010 | 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".