Acquiring and maintaining second-language skills: An examination of Canadian federal public service programs
Notice bibliographique
Résumé
Research has shown that although it takes time and effort to acquire additional languages, they are valuable assets. Both teachers and learners have to be motivated, and active participation is required to succeed. Unfortunately, when active training is completed, the acquired skills seem to be easily lost. \nIn this project, I describe specific programs used for the purpose of language training and the goals that are set for the military and civilian second language (L2) learners within the Ministry of National Defence bilingual Canada. I also review relevant literature in order to identify ways to maintain the acquired L2 skills after active learning has ended. \nDuring my literature research, I examined areas that pertain to language acquisition from both teachers’ and learners’ points of view. Teaching methods, testing within the government program, motivation, aptitude, and computer-assisted learning technologies were explored with respect to their use and educational value. Most of the studies that I found in my research indicate that teachers’ and learners’ motivation is an essential factor for success, that L2 is still a developing field where research is insufficient, and that many questions remain concerning retention of acquired L2 skills. \nEven if little research has been conducted on the question of language retention and maintenance to find out the rate at which an L2 is lost, the impression is that to maintain the acquired (L2) skills, teachers’ energies must be focused on ways to promote ongoing maintenance habits right from the beginning.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,007 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».