Intelligibilité, compréhensibilité et accent perçu de locuteurs hispanophones de français langue seconde selon des locuteurs francophones ayant différents degrés de familiarité avec l'espagnol
Bibliographic record
Abstract
Les hispanophones adultes qui apprennent le FLS à Québec doivent affronter les défis de se faire comprendre par leurs interlocuteurs (Beaulieu et al., 2021). Moyennant quelques efforts, ils peuvent y réussir, mais ils n’ont aucun contrôle sur le profil de leurs interlocuteurs. Les recherches actuelles ont abordé les facteurs influençant l’intelligibilité, la compréhensibilité et l’accent perçu, mais la plupart de ces études se sont focalisées sur l’anglais L2. À notre connaissance, seuls Bergeron et Trofimovich (2017) se sont concentrés sur les hispanophones dans le contexte de l’apprentissage du FLS. Afin de combler cette lacune, nous avons posé ces deux questions de recherche : quel est l’effet du degré de familiarité d’interlocuteurs francophones avec l’espagnol sur l’évaluation de l’intelligibilité, la compréhensibilité et l’accent perçu dans le discours d’apprenants hispanophones de FLS?; quelles sont les erreurs linguistiques qui influencent le plus la compréhensibilité du discours d’apprenants hispanophones de FLS, selon des interlocuteurs francophones avec différents degrés de familiarité avec l’espagnol? Trois groupes de participants ont évalué les enregistrements des discours produits par des locuteurs hispanophones de FLS : Québécois francophones ayant au moins un niveau oral intermédiaire en espagnol L2 (groupe 1), Québécois francophones n’ayant pas appris formellement l’espagnol, mais étant régulièrement exposés au français avec un accent étranger hispanophone (groupe 2) et Québécois francophones n’ayant reçu aucune formation en enseignement, en linguistique, en pédagogie ou en psychologie, ne parlant pas l’espagnol L2 et n’étant pas exposés régulièrement au français avec un accent hispanophone (groupe 3). Pour répondre à nos questions de recherche, nous avons opté pour les instruments suivants : la transcription d’un enregistrement produit par un des locuteurs hispanophones pour évaluer l’intelligibilité et une échelle de Likert a servi à évaluer la compréhensibilité, l’accent perçu et les erreurs qui pourraient influencer l’évaluation de la compréhensibilité. Les participants résidaient dans différentes régions de la province de Québec. Les données recueillies ont été analysées grâce à une ANOVA à un facteur afin de déterminer s’il existait des différences en termes d’intelligibilité, de compréhensibilité et d’accent perçu entre les trois profils de locuteurs francophones (question de recherche 1). Une analyse corrélative et de régression linéaire a par ailleurs été menée pour déterminer les types d’erreurs influençant le plus le jugement de la compréhensibilité (question de recherche 2). Les résultats révèlent qu’il n’existe pas de différence significative au niveau de l’intelligibilité, de la compréhension et de l’accent perçu pour les Québécois francophones ayant différents degrés de familiarité avec l’espagnol. Les erreurs de voyelles, les erreurs de consonnes, les marques d’hésitation et les erreurs grammaticales peuvent potentiellement prédire la compréhensibilité. Ce constat pourrait faciliter la sélection des types d’erreurs à cibler pour les enseignants et les futurs enseignants de FLS. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : intelligibilité, compréhensibilité, accent perçu, français langue seconde
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".