MétaCan
Menu
Retour à la cohorte
Enregistrement W1779815013 · doi:10.18806/tesl.v29i0.1110

Through the Eyes and From the Mouths of Young Heritage-Language Learners: How Children Feel and Think About Their Two Languages

2012· article· en· W1779815013 sur OpenAlexvenueno aff
Maureen Jean, Esther Geva

Notice bibliographique

RevueTESL Canada Journal · 2012
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAffect (linguistics)Active listeningPsychologyHeritage languageContext (archaeology)Language assessmentPopulationLanguage acquisitionLiteracyFirst languageAttributionSecond-language attritionLinguisticsDevelopmental psychologyComprehension approachLanguage educationMathematics educationSocial psychologyPedagogyCommunicationSociology

Résumé

récupéré en direct d'OpenAlex

This study explores the affective responses and beliefs school-aged heritage-language learners (HLLs) hold regarding learning their two languages. Sixty-three HLLs in grades 3 and 4 were presented with pictorial scenarios involving activities across five language and literacy domains in their HL and second language (English). Children were asked to indicate the affect they associated with the scenario and were queried about their chosen affect. They associated positive affect with listening and speaking the HL at home and with English across all domains regardless of context. Qualitative analysis of children’s attributions revealed skill in the domain or language as the most common rationale for their chosen affective responses. Other common themes in children’s rationales in descending order of frequency included children’s degree of interest in the domain or language, the perceived availability of assistance from others, their membership in language groups, and the influence of language environments on language-learning. Implications for further research with this population and recommendations for relevant parties are discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,228
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations16
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetEFL/ESL Teaching and LearningTravaux en français237 207