Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userinstructions in class of French Foreign Language : What do the teacher request ?
التعليمات في صفوف اللغة الفرنسية لغير المختصين : ماذا يريد المدرس من المتعلم ؟
1630
0 41
0
(
0
)
Authors
منال أسعد( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
لا يتوقف المدرس عن إعطاء تعليمات و صياغة أسئلة لطلابه الذين يتوجب عليهم تطبيقها أو الإجابة عليها, إلا أن هذه التعليمات أو الأسئلة قد لا يتم تطبيقها أو الإجابة عنها بشكل دقيق، و يتكرر الوضع في حل التمارين أو في مواضيع الامتحان. إن تالتوجيها أو السؤال يطرحان صعوبات كثيرة تتعلق بصياغتهما من قبل المدرس أو من قبل مؤلفي الكتاب إضافة إلى الصعوبات التي يعاني منها الطالب في فهمهما. إن صياغة التوجيهات أو السؤال تتطلب جهداً كبيراً و انتباهاً و مهارات خاصة يجب أن يتمتع بها من يصوغهما، إذ أن التطبيق الصحيح و الإجابة الصحيحة تتعلق بشكل مباشر بالصياغة السليمة للتوجيهات أو السؤال.
In class, the teachers provide constantly instructions, and the learners must continually perform. But, some of these instructions are not followed ! It is the same of exercises or examination subjects. The instruction poses several challenges both in terms of its formulation or that of his understanding. Formulate an instruction require a great effort, great care and special skills, because of the quality of the latter depends in large part the quality of work performed.
Artificial intelligence review:
Research summary
تتناول هذه الدراسة التي أعدتها الدكتورة منال أسعد موضوع التعليمات في صفوف اللغة الفرنسية كلغة أجنبية، وتحديداً ما يطلبه المدرس من المتعلم. تركز الدراسة على أهمية صياغة التعليمات بشكل واضح ودقيق لضمان فهم المتعلمين وتنفيذهم للمهام المطلوبة بشكل صحيح. تشير الباحثة إلى أن التعليمات غير الواضحة قد تؤدي إلى إجابات غامضة وأخطاء في تنفيذ المهام، مما يعكس تحديات في صياغة وفهم التعليمات. تقدم الدراسة تصنيفاً لأنواع التعليمات المستخدمة في الصفوف التعليمية وتناقش كيفية تحسين صياغتها لتكون أكثر وضوحاً وفعالية. كما تستعرض الدراسة أمثلة عملية وتوصيات للمدرسين لتحسين صياغة التعليمات وضمان فهمها من قبل المتعلمين.
Critical review
دراسة نقدية: تعد هذه الدراسة إضافة قيمة لمجال تعليم اللغة الفرنسية كلغة أجنبية، حيث تسلط الضوء على جانب مهم غالباً ما يتم تجاهله وهو صياغة التعليمات. ومع ذلك، كان من الممكن أن تكون الدراسة أكثر شمولية إذا تناولت أيضاً تأثير العوامل الثقافية والاجتماعية على فهم التعليمات. كما أن الدراسة تركز بشكل كبير على الجانب النظري، وكان من الممكن أن تكون أكثر فعالية إذا تضمنت تجارب ميدانية أو دراسات حالة توضح تطبيق التوصيات في بيئات تعليمية حقيقية. بالإضافة إلى ذلك، كان من الممكن أن تقدم الدراسة أدوات أو نماذج عملية يمكن للمدرسين استخدامها مباشرة في صفوفهم.
Questions related to the research
-
ما هي الأنواع الثلاثة للتعليمات التي تميزها الدراسة؟
الأنواع الثلاثة للتعليمات هي: التعليمات للتشخيص، والتعليمات للبحث، والتعليمات للتقييم.
-
لماذا تعتبر صياغة التعليمات بشكل دقيق أمراً مهماً؟
صياغة التعليمات بشكل دقيق مهمة لأنها تؤثر بشكل مباشر على فهم المتعلمين وتنفيذهم للمهام المطلوبة، مما ينعكس على جودة العمل المنجز.
-
ما هي بعض التحديات التي تواجه المتعلمين في فهم التعليمات؟
بعض التحديات تشمل عدم وضوح التعليمات، استخدام مفردات معقدة أو غير مناسبة، وطول التعليمات أو تعقيدها.
-
ما هي التوصيات التي تقدمها الدراسة لتحسين صياغة التعليمات؟
توصي الدراسة بتقليل طول التعليمات، تبسيط هيكلها ومفرداتها، استخدام الإشارات البصرية أو الحركية، وتكرار التعليمات والتحقق من فهم المتعلمين لها.
References used
ADAM, J.-M. Entre conseil et consigne : les genres de l’incitation à l’action. in Pratiques, N°. 11, 2001, pp. 7-38
BRONCKART; J.-P. Pourquoi et comment analyser l’agir verbal et non verbal en situation de travail ? in Cahiers de la Section des Sciences de l’Éducation, N°. 103, 2004, pp. 111-144
BROUSSEAU, G. Théorie des situations didactiques, Grenoble : La Pensée Sauvage, 1998
rate research
Read More
Lexical simplification (LS) aims at replacing words considered complex in a sentence by simpler equivalents. In this paper, we present the first automatic LS service for French, FrenLys, which offers different techniques to generate, select and rank
substitutes. The paper describes the different methods proposed by our tool, which includes both classical approaches (e.g. generation of candidates from lexical resources, frequency filter, etc.) and more innovative approaches such as the exploitation of CamemBERT, a model for French based on the RoBERTa architecture. To evaluate the different methods, a new evaluation dataset for French is introduced.
Evaluation for many natural language understanding (NLU) tasks is broken: Unreliable and biased systems score so highly on standard benchmarks that there is little room for researchers who develop better systems to demonstrate their improvements. The
recent trend to abandon IID benchmarks in favor of adversarially-constructed, out-of-distribution test sets ensures that current models will perform poorly, but ultimately only obscures the abilities that we want our benchmarks to measure. In this position paper, we lay out four criteria that we argue NLU benchmarks should meet. We argue most current benchmarks fail at these criteria, and that adversarial data collection does not meaningfully address the causes of these failures. Instead, restoring a healthy evaluation ecosystem will require significant progress in the design of benchmark datasets, the reliability with which they are annotated, their size, and the ways they handle social bias.
We introduce BERTweetFR, the first large-scale pre-trained language model for French tweets. Our model is initialised using a general-domain French language model CamemBERT which follows the base architecture of BERT. Experiments show that BERTweetFR
outperforms all previous general-domain French language models on two downstream Twitter NLP tasks of offensiveness identification and named entity recognition. The dataset used in the offensiveness detection task is first created and annotated by our team, filling in the gap of such analytic datasets in French. We make our model publicly available in the transformers library with the aim of promoting future research in analytic tasks for French tweets.
Generative language models trained on large, diverse corpora can answer questions about a passage by generating the most likely continuation of the passage followed by a question/answer pair. However, accuracy rates vary depending on the type of ques
tion asked. In this paper we keep the passage fixed, and test with a wide variety of question types, exploring the strengths and weaknesses of the GPT-3 language model. We provide the passage and test questions as a challenge set for other language models.
The casual, neutral, and formal language registers are highly perceptible in discourse productions. However, they are still poorly studied in Natural Language Processing (NLP), especially outside English, and for new textual types like tweets. To sti
mulate research, this paper introduces a large corpus of 228,505 French tweets (6M words) annotated in language registers. Labels are provided by a multi-label CamemBERT classifier trained and checked on a manually annotated subset of the corpus, while the tweets are selected to avoid undesired biases. Based on the corpus, an initial analysis of linguistic traits from either human annotators or automatic extractions is provided to describe the corpus and pave the way for various NLP tasks. The corpus, annotation guide and classifier are available on http://tremolo.irisa.fr.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
