La notion de phrase de base dans la pratique des enseignants français : choix terminologiques et enjeux théoriques
Bibliographic record
Abstract
Dans la grammaire rénovée romande ou canadienne, la notion de Phrase P ou de modèle de base a été introduite comme « instrument d’observation » (Genevay, 1994), outil (Chartrand et al., 1999) permettant de rendre compte de la construction d’une majorité de phrases réalisées en français. Nous disposons aujourd’hui de travaux didactiques rendant compte de l’utilisation par des enseignants de cet outil (Dolz et Simard, 2008) et de recherches mettant en évidence certaines limites du modèle (Béguelin, 2000 ; Combettes, 2005, 2009). Qu’en est-il en France ? Si l’enseignement s’appuie sur des exemples de phrases simples de forme sujet-verbe-complément, le recours à un modèle à des fins d’observation reste marginal, de même que les réinvestissements pour l’interprétation et la réécriture, bien que des ouvrages de référence, utilisés en formation, présentent la phrase de base comme un outil d’observation (Riegel et al., 1994-2002 ; Tomassone, 1996-2002). Sur la base d’une enquête qualitative adressée à des enseignants débutants et expérimentés ainsi qu’à des formateurs, nous étudions la diversité de leurs choix et leurs justifications. À partir de ce bilan, nous formulons des propositions qui tiennent compte des difficultés rencontrées par les enseignants dans leur pratique en présentant un modèle articulant syntaxe et sémantique et permettant le traitement de l’énoncé par paliers, en réception comme en production.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.022 |
| Scholarly communication | 0.010 | 0.012 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| 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".