L’acquisition formelle de l’oral spontané en L2 des locuteurs débutants
Bibliographic record
Abstract
Nous souhaitons présenter dans cet article les résultats issus d’une étude quasi expérimentale qui s’est déroulée de 2019 à 2022. Elle a eu lieu dans des collèges français et a concerné 8 classes de 6ème, auprès d’élèves de 11 ans à 12 ans, soit près de 200 enfants et pré-adolescents. En effet, l’apprentissage des langues secondes (L2) en milieu formel pose souvent au moins trois problèmes récurrents : un plaisir d’apprendre irrégulier, la difficulté à s’exprimer oralement, et un niveau de maîtrise insuffisant comparé au nombre d’années d’apprentissage (Narcy-Combes & MacAllister, 2011). Une approche méthodologique, nommée approche neurolinguistique (ANL) par ses concepteurs (Germain et Netten, 2012) développée au Canada, a montré des bénéfices en réponse à ces problèmes portant sur la motivation et la production de l’oral (Germain, 2017). L’objectif général de notre travail est d’évaluer pour la première fois dans notre contexte éducatif, si une approche comme l’ANL qui privilégie l’acquisition de l’oral par l’implicite et le travail de la mémoire procédurale (Paradis, 2004 ; 2009) des apprenants permet l’acquisition des compétences langagières orales des apprenants d’anglais de sixième, première année du collège. L’enjeu ici est le suivant : est-ce qu’un apprentissage implicite de l’oral dans le cadre d’un enseignement extensif (4h par semaine) améliorerait le niveau moyen des élèves à l’oral ? Notre travail s’appuie sur une méthodologie mixte à la fois qualitative et quantitative auprès de 4 classes expérimentales qui enseignent l’ANL (après formation et suivi d’une année des enseignants) et de 4 classes de contrôle. Nous avons évalué la capacité de chaque élève à interagir oralement grâce à l’échelle d’évaluation OPI (Oral Proficiency Interview, Macfarlane & Montsion, 2016) dont l’objectif est d’évaluer la capacité à utiliser une langue oralement en situation réelle. Nous verrons que la modélisation liée à l’implicite permise par l’ANL améliorera l’utilisation de l’oral spontané en interaction chez des apprenants débutants de 11 à 12 ans.
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 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| 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".