MétaCan
Menu
Retour à la cohorte
Enregistrement W2045084805 · doi:10.1080/07908318.2014.987296

Constructing English as a Ugandan language through an English textbook

2014· article· en· W2045084805 sur OpenAlexaff
Espen Stranger–Johannessen

Notice bibliographique

RevueLanguage Culture and Curriculum · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésForeign languageEnglish studiesLanguage assessmentSemioticsLanguage educationCuriosityLinguisticsSociologyPedagogyPsychology

Résumé

récupéré en direct d'OpenAlex

English is a national language in Uganda and is widely used in elite areas such as politics and business, but most Ugandans master English to only a limited degree. In this situation, English can be seen as either a foreign language or a second language – influencing how English is taught. One goal of language teaching espoused in this article is for students to develop intercultural communicative competence, and the article discusses the extent to which text and images invite conversations and discussions on culture and English as an international language. The framework for analysis is Weninger and Kiss's [2013. Culture in English as a foreign language (EFL) textbooks: A semiotic approach. TESOL Quarterly. doi:10.1002/tesq.87] framework for a Peircean semiotic approach to textual and visual analysis, and the material chosen for the study is a Ugandan English secondary textbook. The textbook has few references to foreign culture or English as an international language, and these references do not lend themselves to critical or exploratory queries or discussions on these issues. This paucity can be seen as an expression of the desire to emphasise English as a Ugandan language, and as such the textbook serves nationalistic purposes, a finding shared by other research. Teachers should be cognisant of the potential of images for spurring curiosity and discussions in the classroom.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,004
Communication savante0,0060,006
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,006
Tête enseignante GPT0,230
Écart entre enseignants0,224 · 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'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

Citations32
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage Culture and CurriculumMême sujetSecond Language Learning and TeachingTravaux en français237 207