Effets d'une séquence de prise de conscience des processus d'écoute menée auprès de personnes peu scolarisées ou peu alphabétisées apprenant le français
Bibliographic record
Abstract
Au cours des dernières années, les centres de francisation du Québec ont accueilli un nombre croissant d’adultes désirant apprendre le français, mais ayant peu d’expérience scolaire (Bégin, 2019), augmentant ainsi les effectifs en alpha-francisation, sans repères officiels (p.ex., programmes, matériel) disponibles. En effet, en didactique des langues, les théories et les méthodologies courantes ont porté presque exclusivement sur des apprenant.e.s scolarisé.e.s (Ortega, 2019). De plus, si les compétences orales sont bien valorisées, la compréhension orale (CO) demeure sous-représentée en recherche (Vandergrift & Cross, 2017). Suivant la recommandation de Bigelow et Tarone (2004), nous avons adapté la procédure de l’étude de Vandergrift etTafaghodtari (2010), menée auprès d’adolescent.e.s anglophones scolarisé.e.s apprenant le français langue seconde au Canada, pour un échantillon de 37 personnes immigrantes peu scolarisées inscrites en alpha-francisation. L’intervention, développée autour de l’écoute de vlogs, visait la prise de conscience des processus d’écoute en français selon deux volets, soit cinq séances de tutorat individuel et dyadique et cinq séances de modelage par l’enseignante, en classe. D’après notre analyse des résultats d’un groupe contrôle et de deux groupes expérimentaux à un prétest, à un post test immédiat et à un post test différé, l’intervention n’a pas entrainé d’amélioration significative en CO, mais a modifié le type de réponses fournies pour certain.e.s participant.e.s. Des changements qualitatifs ont aussi pu être observés dans les verbalisations des participant.e.s, menant à quatre profils de réponse à l’intervention. La triangulation de ces résultats mixtes a mis en lumière différents aspects pédagogiques et méthodologiques à considérer dans la recherche auprès de notre population cible. L’adaptation et l’élaboration d’études auprès de populations variées (suivant Bigelow & Tarone, 2004), outre son caractère de justice sociale, révèle alors des angles morts de la recherche en didactique des langues, et permet ainsi de nourrir les perspectives théoriques et pratiques.
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 | 0.049 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.022 | 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".