Récits rétrospectifs d'usagers experts du français québécois langue seconde : regards sur le développement de la compétence communicative et les stratégies autorégulées
Bibliographic record
Abstract
Au cours des dernières années, l'apprentissage des langues en contexte de séjour à l'étranger et d'immigration est de plus en plus fréquent puisqu'il y a de plus en plus de mouvement de population (Murphy-Lejeune, 2002; Yates, 2011). Les apprenants qui se trouvent dans ces contextes d'apprentissage naturels, avec ou sans connaissance préalable de la langue, atteignent parfois de niveaux de compétence très avancés dans leur langue seconde (L2). Le résultat de leur apprentissage, leur compétence ultime, a été observé sous l'angle des diverses dimensions de la compétence communicative (Celce-Murcia, 2007), mais leur parcours, leur récit, n'a que peu été décrit. Nous inspirant de l'étude de Leif French et ses collaboratrices (French et al., 2017), qui nous a servi lors de notre phase de pilotage, nous avons recensé les récits de cinq usagers experts du français québécois (FQ) L2 afin de déterminer les aspects de la compétence communicative qui se trouvent au cœur de leur récit. Dans ces journaux, nous avons porté notre attention aux actions qu'ils ont déployées pour faciliter leur acquisition du FQ, leurs stratégies autorégulées (Oxford, 2011a). Nous avons également mené des entrevues auprès de nos participants afin de nous assurer de la justesse de nos analyses. À la suite de l'analyse de nos données, nous avons identifié deux portraits d'usagers experts : les linguistes qui ont fait l'acquisition du FQ comme variété seconde (V2) et le non linguiste qui a appris le FQ comme L2. Malgré ces trajectoires bien différentes, nos participants ont atteint des niveaux de compétence perçu similaires. Nous avons également observé que même au sein d'un même profil (linguistes V2), les actions déployées (stratégies), les buts et les émotions et attitudes, étaient sujets à une grande variabilité. Ces conclusions nous ont permis de considérer des perspectives incluant une plus grande prise en compte des différences individuelles pour décrire les parcours d'apprenants de L2 (Forsberg Lundell, 2017; Muramatsu, 2018).
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 | 0.006 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| 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".