Les séquences préfabriquées et leur rôle dans la communication orale en français Lx
Bibliographic record
Abstract
L’apprentissage des unités polylexicales constitue un véritable défi dans le développement d’une langue additionnelle (Lx). Toutefois, la compétence communicative à l’oral repose en large partie sur la connaissance et l’utilisation de celles-ci. Ainsi, il est essentiel de les inclure dans l’enseignement de la communication orale. L’objectif de cet article est de faire le pont entre la recherche et l’enseignement de ces unités polylexicales, ici nommées séquences préfabriquées (SP). Dans l’article, nous préciserons les fonctions qu’ont les SP dans la communication orale. Ensuite, nous décrirons le processus d’apprentissage des SP dans une Lx et nous ferons un survol de quelques études qui proposent des méthodes pour faciliter leur apprentissage. Enfin, en nous inspirant de la recherche antérieure, nous proposerons des activités pédagogiques susceptibles d’inspirer les enseignants et de les soutenir dans l’incorporation des SP dans l’enseignement de la communication orale en français Lx.
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 | 0.005 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
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".