Enseigner la Francophonie dans les cours de Français Langue Seconde au niveau universitaire : expériences et défis
Bibliographic record
Abstract
En cette époque de mondialisation, la mise en valeur des cultures minoritaires est, dans les milieux universitaires, de plus en plus importante. Cependant, ce développement d’une conscience culturelle est bien moins évidents dans le cadre de cours de langue, dont objectif principal n’est pas l’apprentissage d’une culture, mais celui d’une langue-cible. Ainsi, les langues et leurs cultures associées ont beau être indissociables par nature, il est cependant les enseigner séparément. Enseigner la langue en ne parlant de culture que superficiellement n’est cependant pas sans conséquences et il n’est pas rare de remarquer, dans manuels de langue par exemple, une représentation superficielle, voire stéréotypée du monde. Comment peut-on conjuguer l’apprentissage d’une langue à celui de ses richesses culturelles ? Basé sur des expériences d’enseignement et sur de récents manuels d’apprentissage, cet article se proposera d’analyser les difficultés et les défis de l’intégration d’éléments culturels dans des cours de type 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 | 0.007 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.029 | 0.018 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.006 | 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".