Les séquences préfabriquées dans la production écrite dans le cas de scripteurs finnophones de français et suédois L2
Bibliographic record
Abstract
Cet article examine la manière dont les apprenants multilingues utilisent les séquences préfabriquées (SP) dans leur production écrite. Cette étude de cas analyse les productions écrites en langue étrangère, notamment en français et en suédois, de quatre apprenants finlandais au niveau universitaire (niveau Licence). Les données ont été recueillies à l’aide du logiciel ScriptLog permettant l’enregistrement des frappes de clavier et à l’aide des verbalisations rétrospectives avec rappel stimulé. Les résultats montrent que les apprenants produisent plus de SP en français qu’en suédois, et que les catégories des SP lexicales et des SP discursives sont les plus importantes dans les deux langues, même si leur distribution en sous-catégories varie selon les langues. Les résultats témoignent aussi des profils individuels d’utilisation des SP et soutiennent l’idée des SP automatisées facilitant les processus d’écriture.
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 | 0.010 |
| 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 | 0.002 |
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".