MétaCan
Menu
Back to cohort
Record W7130366171 · doi:10.7202/1122990ar

Rétroaction corrective en français langue seconde et engagement des adolescents immigrants : une étude de cas multiples

2025· article· fr· W7130366171 on OpenAlexaffvenueabout
María-Lourdes Lira-Gonzales, Carole Durand

Bibliographic record

Venue˜La œRevue de l'AQEFLS/Revue de l'AQEFLS · 2025
Typearticle
Languagefr
FieldSocial Sciences
TopicFrench Language Learning Methods
Canadian institutionsUniversité du Québec en Abitibi-Témiscamingue
Fundersnot available
KeywordsImmigrationCanadian studiesTemporary work

Abstract

fetched live from OpenAlex

L’efficacité de la rétroaction corrective (RC) a suscité un intérêt croissant dans l’enseignement de l’écriture en langue seconde. Bien que les résultats des études empiriques soient parfois contradictoires, il est reconnu que divers facteurs individuels et contextuels influencent l’engagement des apprenants envers la RC (Han et Hyland, 2015 ; Zhang et Hyland, 2018 ; Zheng et Yu, 2018). Utilisant une perspective écologique (Bronfenbrenner, 1979 ; Lira-Gonzales et Valeo, 2023 ; Van Lier, 1997), la présente étude de cas multiples examine comment les facteurs individuels et contextuels ont influencé l’engagement d’un groupe d’adolescents immigrants non francophones dans un programme d’intégration linguistique, scolaire et sociale (ILSS) au Québec. Les participants étaient cinq adolescents âgés de 14 à 16 ans, qui étaient nouvellement arrivés et inscrits dans une classe d’accueil au niveau débutant. Les données ont été collectées sur une période de six semaines, incluant des textes rédigés par les apprenants et des entretiens semi-structurés. Les résultats mettent en lumière l’interconnexion et la complexité des facteurs individuels et contextuels qui influencent l’engagement des apprenants envers la rétroaction corrective, soulignant l’importance de ces éléments dans le processus d’apprentissage.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.008
metaresearch head score (Gemma)0.005
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity
Consensus categoriesResearch integrity
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.484
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0080.005
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.002
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0020.000
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.026
GPT teacher head0.324
Teacher spread0.298 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2025
Admission routes3
Has abstractyes

Explore more

Same venue˜La œRevue de l'AQEFLS/Revue de l'AQEFLSSame topicFrench Language Learning MethodsFrench-language works237,207