In Search of the Right Questions: Language Background Profiling at Ontario Public Schools
Notice bibliographique
Résumé
Abstract This article examines some of the challenges that the notion of a (monolingual) native speaker faces in a global context of increasing awareness that bilingualism and multilingualism are the norm rather than the exception. It also discusses the distinction between two child language acquisition environments, bilingual first language acquisition and early second language acquisition, which can lead to bilingual or multilingual outcomes early on in life. This serves as a backdrop for a study of language profiling practices in public schools across the province of Ontario. Student registration forms from 44 district school boards were analysed with regard to the number, type and combination patterns of language background questions. The findings indicate that school boards are aware of the potentially diverse linguistic backgrounds of incoming students, but may not be conceptually or methodologically equipped to recognize the full spectrum of linguistic complexity involved. Some degree of standardization of language background profiling across different districts is recommended as a measure that may benefit the province. Résumé Cet article examine certains défis auxquels la notion d’un locuteur natif (monolingue) fait face dans un contexte mondial où il existe une reconnaissance croissante que le bilinguisme et le multilinguisme représentent la norme plutôt que l’exception. L’article aborde également la distinction entre deux contextes d’acquisition de la langue chez les enfants, ceux-ci étant l'acquisition bilingue de la langue première et l’acquisition précoce de la langue seconde, qui peuvent mener à des résultats bilingues ou multilingues tôt dans la vie. Ceci sert de toile de fond pour une étude des pratiques de profilage linguistique dans des écoles publiques à travers la province de l’Ontario. Des formulaires d’inscription d’élèves provenant de 44 conseils scolaires ont été analysés en termes du nombre, du type et des modèles de combinaisons des questions par rapport à leur profil linguistique. Les résultats indiquent que les conseils scolaires sont conscients des profils linguistiques potentiellement divers d’élèves entrants. Cependant, les conseils ne sont pas nécessairement munis d’un cadre conceptuel ou méthodologique qui leur permettrait de reconnaître toute la gamme de la complexité linguistique impliquée. Un certain degré de standardisation de profilage linguistique à travers les régions différentes est recommandé en tant qu’une mesure dont pourrait bénéficier la province.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».