Engagement et empowerment dans la formation linguistique des migrants. Pour une prise en compte holistique des situations d’enseignement-apprentissage en didactique des langues
Bibliographic record
Abstract
Dans un contexte où la maîtrise du français conditionne l’accès au séjour et à la citoyenneté, la formation linguistique des adultes migrants tend à adopter une visée certificative qui réduit l’apprentissage de la langue à l’acquisition du code. Cet article interroge cette approche en mobilisant les concepts d’engagement et d’empowerment pour évaluer les effets d’un dispositif d’enseignement-apprentissage du français langue étrangère. À partir d’une analyse qualitative du discours d’apprenants, les résultats mettent en évidence des prises de conscience de nature métalinguistique, sociolinguistique et psychoaffective qui témoignent d’un engagement actif et du développement d’un pouvoir d’agir par la langue. L’article souligne l’importance d’une prise en compte holistique des situations d’enseignement-apprentissage, intégrant les dimensions affectives, relationnelles et contextuelles. Il plaide également pour la conception de dispositifs qui, au-delà des objectifs linguistiques, favorisent l’appropriation de la langue en l’envisageant comme un levier d’empowerment individuel et social.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.019 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".