Linguistic Capital and Academic Achievement of Canadian‐ and Foreign‐Born University Students
Notice bibliographique
Résumé
Au Canada, plusieurs universités prennent des mesures pour recruter des immigrants ou leurs enfants et satisfaire leurs besoins—et parmi eux plusieurs ont l'anglais comme langue seconde. Il n'y a pas de recherches au Canada qui comparent la progression potentielle du capital linguistique des étudiants ayant l'anglais comme langue seconde et celui des autres étudiants au fil de leur parcours universitaire, avec les relations entre les progressions du capital linguistique et de l'acquisition des connaissances. L'auteur montre dans cette étude que, contrairement aux étudiants canadiens et ceux nés à l'étranger pour lesquels l'anglais est la première langue, le capital linguistique des étudiants nés à l'étranger dont l'anglais est une langue seconde s'accroît au cours des quatre années d'études universitaires. Cependant, cette augmentation du capital linguistique ne correspond pas à une augmentation de l'acquisition des connaissances. In Canada, many universities are taking steps to recruit and meet the needs of immigrants and/or their sons and daughters, many of whom have English as a second language (ESL). There is, however, no research in Canada comparing potential increases in the linguistic capital of ESL and other students over the course of their university careers and the connection between increases in linguistic capital and academic achievement. In this study, it is shown that in contrast to Canadian‐ and foreign‐born students for whom English is a first language, and Canadian‐born ESL students, the linguistic capital of foreign‐born ESL students increases over 4 years of university study; however, this increase in linguistic capital is not paralleled by an increase in academic achievement.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».