L'utilisation du passé composé et de l'imparfait dans les productions écrites d'étudiants vietnamiens
Bibliographic record
Abstract
Ce mémoire de maîtrise en linguistique porte sur l'étude des difficultés que des étudiants vietnamiens rencontrent dans l'utilisation du passé composé (PC) et de l'imparfait (Imp) dans des productions écrites. Nous avons analysé le phénomène à partir de textes narratifs produits par des étudiants de l'École Supérieure de Langues Étrangères - Université de Hué. \n \nLes questions suivantes ont orienté l'analyse : \n \n1) Quels problèmes les étudiants vietnamiens rencontrent-ils quand ils utilisent le PC et l'Imp ? \n \n2) Quelles peuvent-être les causes des difficultés dans l'utilisation du PC et de l'Imp ? \n \n3) Quelles peuvent être les mesures efficaces pour résoudre ces problèmes, pour une meilleure utilisation des temps verbaux chez les étudiants vietnamiens ? \n \nNotre corpus d'analyse est constitué de 44 productions écrites réalisées par des étudiants de niveaux intermédiaire et débutant. \n \nLa desccription linguistique s'est effectuée sous trois dimensions : a) description morphologique et grammaticale, b) description textuelle et énonciative, c) description contrastive entre le français et le vietnamien. \n \nAprès le travail de description linguistique pour déceler les difficultés et ensuite expliquer les raisons, nous avons utilisé la «taxonomie des objectifs » de Benjamin Bloom (1956), pour proposer quelques activités d'enseignement en vue d'améliorer la maîtrise de l'utilisation du PC et de l'Imp par les étudiants vietnamiens. \n \nNous espérons que nos résultats ainsi que nos propositions pédagogiques contribueront à l'amélioration de l'enseignement et de l'apprentissage de la langue française au Vietnam.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| 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".