Beautiful words: Enriching language revitalization through understandings of linguistic structure
Notice bibliographique
Résumé
British Columbia (BC), Canada is home to 32 Indigenous languages, all of them considered to be endangered. Considerable work is underway by First Nation communities to revitalize their languages. Linguists classify many of the languages of BC as polysynthetic, meaning words are composed of many morphemes, or units of meaning. Understanding the units of meaning that make up words allows for a deeper understanding of the worldview reflected in the language. While strong fluent speakers and linguists who work with these languages have knowledge and appreciation of these units of meaning, those understandings are often not reflected in the curriculum and pedagogy for teaching BC languages. Drawing on examples from Kwak’wala, a language of coastal BC, this paper discusses how paying attention to the linguistic structure of the language may result in more effective curriculum and approaches for language learning and teaching. In developing understanding of the units of meaning that make up Kwak’wala words, learners can grasp literal meanings leading to deeper understandings of Kwakwa̱ka̱’wakw worldview. Through understanding literal meanings and metaphors embedded in Kwak’wala words, learners come to appreciate the beauty of the language. In addition, learners can be supported to use morphemes as building blocks in their language learning. Rather than memorizing words and phrases, learners can be encouraged to listen for and use the morphemes they know to understand and produce new words and phrases. Selected References Grande, S. (2008). Red pedagogy. The un-methodology. In Denzin, N.K., Lincoln, Y. S., Smith, L. T. (Eds). Handbook of critical and indigenous methodologies (233-254). Los Angeles,CA: Sage.. Tobin, K. (2013) A sociocultural approach to science education. magis, Revista Internacional de Investigación en Educación, 6(12), 19-35.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».