MétaCan
Menu
Retour à la cohorte
Enregistrement W1027805435

What is missing in language revitalization

2013· article· en· W1027805435 sur OpenAlexaboutno aff
Lucy Bell, Candace Weir

Notice bibliographique

RevueAmericanae (AECID Library) · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousSpiritualityLanguage revitalizationLuckIndigenous languagePrayerTraditional knowledgeHistoryApprenticeshipDocumentationSociologyLinguisticsArchaeologyComputer scienceEpistemologyMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

When two of my grandmothers were dying, they reverted to communicating in their traditional language. There was no one at their sides who could understand their dying words. This is one of the reasons I choose to learn my language and examine at a more holistic way of language revitalization. While community learners attend language classes, use master-apprentice techniques and study language resources, we are running out of time to save our critically endangered language isolate. The handful of fluent teachers are over 80 years of age and the Haida communities on Haida Gwaii, BC in Canada and in southeast Alaska are in the race of our lifetime to ensure our language survives. We need to slow down, offer a prayer and call upon our ancient spirituality and beliefs. Haida ancestors once used ceremonies, prayers and medicines to empower their speech, songs, memories and place in this world. They called upon the spirits of Story-woman, Lady Luck and others for help. There is a great need amongst the Haida and other indigenous peoples to have a deeper understanding of indigenous epistemology, tradition and spirituality to ensure our languages survive. Through archival research, elder interviews and personal practice, I will share Haida epistemology as well as the ancient traditions that can hep to revitalize our dying language.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,027
Communication savante0,0140,034
Science ouverte0,0030,010
Intégrité de la recherche0,0060,012
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,388
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmericanae (AECID Library)Même sujetMultilingual Education and PolicyTravaux en français237 207