MétaCan
Menu
Retour à la cohorte
Enregistrement W2278539648

Heritage Language Acquisition and Maintenance: Home Literacy Practices of Japanese-Speaking Families in Canada.

2013· article· en· W2278539648 sur OpenAlexaboutno aff
Takako Nomura, Nadia Caidi

Notice bibliographique

RevueInformation Research: An International Electronic Journal · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeritage languageMainstreamThematic analysisLiteracyImmigrationCultural heritageProcess (computing)PedagogyPsychologySociologyQualitative researchPolitical scienceSocial scienceComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction. In this study, we examine the case of Japanese-speaking families in Canada and their experiences with teaching a heritage language at home, along with the uses and perceived usefulness of public library resources, collections, and services in the process. Methods. We interviewed fourteen mothers who speak Japanese to their children. We complemented the interviews with picture diaries produced by participants about their vision of the 'ideal' library. Analysis. Interviews were transcribed and a thematic analysis conducted through an iterative process. A visual analysis process was performed on the picture diaries. Results. There is a disconnect between the women’s needs and practices relating to heritage language education, and their ability to navigate the 'mainstream' information environment for relevant information. Conclusion. Findings point to the symbolic importance of engaging in heritage language literacy. Although the home remains the crucial site for heritage language literacy practices and the mother plays a critical role in this process, the literacy practices used by Japanese immigrant mothers in Toronto to teach and maintain heritage language are diverse and varied.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,050
Tête enseignante GPT0,459
Écart entre enseignants0,409 · 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'étudeObservationnel
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

Citations14
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation Research: An International Electronic JournalMême sujetMultilingual Education and PolicyTravaux en français237 207