Le jeu de rôle pour des apprentissages durables en anglais, langue seconde
Bibliographic record
Abstract
Le fait de vivre dans la seule province bilingue au Canada place les étudiants néo-brunswickois francophones dans une situation qui exige de leur part qu’ils excellent dans leur langue seconde. L’apprentissage de l’anglais à titre de langue seconde s’avère pour certains étudiants un défi de taille qui s’exprime parfois par un désengagement, une démotivation, un malaise et, à la limite, un échec. Les auteurs de cet article partagent leur expérience d'une activité d'apprentissage qui s'est déroulée au Collège communautaire du Nouveau-Brunswick – Campus d’Edmundston : le jeu de rôle en classe d’anglais. Axé sur l'utilisation de mises en situation ou de problèmes à résoudre, celui-ci favorise à la fois le développement de la motivation à apprendre et les compétences langagières. Une fois la définition du jeu de rôle établie, les auteurs explicitent le déroulement de l'activité en mettant l'accent sur la réalisation de scénarios et ils déterminent les rôles respectifs de l'enseignant et des étudiants. Dans la foulée, ils mettent en lumière les nombreux avantages de cette formule pédagogique.
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 | 0.008 |
| Scholarly communication | 0.009 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".