L’apprentissage du français langue étrangère en contextes multilingues et anglophones d’Afrique de l’Ouest : l’expérience des apprenants au Nigeria et au Ghana
Bibliographic record
Abstract
Le Nigeria et le Ghana sont deux pays d’Afrique de l’Ouest qui ont accordé une place privilégiée à l’apprentissage du français dans leurs programmes éducatifs respectifs, en plus de l’anglais qui y est la langue officielle et de la multiplicité de langues locales. Cet article tente de brosser le portrait de la situation actuelle de l’apprentissage du français langue étrangère, à partir d’une enquête de terrain réalisée auprès des apprenants de français au Nigeria et au Ghana. Le dépouillement des données montre un véritable intérêt pour le français. Cependant, des défis liés à la politique linguistique éducative, à l’environnement d’apprentissage et au manque de ressources pédagogiques continuent de nuire au succès du projet. L’article propose entre autres, pour conclure, la révision de la politique linguistique en matière d’apprentissage du français, ainsi que la mise en place de ressources suffisantes et adéquates afin de rehausser la qualité de l'enseignement du français.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.018 | 0.010 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".