MétaCan
Menu
Retour à la cohorte
Enregistrement W2560365002 · doi:10.1080/09500782.2016.1261892

Language education policy and multilingual assessment

2016· article· en· W2560365002 sur OpenAlexaboutno aff
Durk Gorter, Jasone Cenoz

Notice bibliographique

RevueLanguage and Education · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesMinisterio de Educación, Cultura y DeporteEusko Jaurlaritza
Mots-clésMultilingualismLanguage policyCompetence (human resources)Multilingual EducationComputer scienceLinguisticsLanguage industryContext (archaeology)Language assessmentSociologyLanguage educationPedagogyComprehension approachPsychologyGeography

Résumé

récupéré en direct d'OpenAlex

In this article, we establish direct links between language policy on the one hand and assessment in multilingual contexts on the other hand. We illustrate the bi-directional relationship with the examples of the USA, Canada, and the Basque Country. That comparison is placed in the context of the changing views about the use of languages in education where a shift can be observed away from an emphasis on separating languages to approaches that more closely suit daily practices of multilinguals. This concerns a shift from language isolation policies in language teaching and assessment towards more holistic approaches that consider language-as-resource and promote the use of the whole linguistic repertoire. However, the implementation of programs based on holistic approaches is limited and application in language assessment modest. Traditions and monolingual ideologies do not give way easily. We show some examples of creative new ways to develop multilingual competence and cross-lingual skills. The assessment of interventions with a multilingual focus point to a potential increase in learning outcomes. Multilingualism is a point of departure because in today's schools, students who speak different languages share the same class, while at the same time learning English (and other languages). We conclude that holistic approaches in language education policy and multilingual assessment need to substitute more traditional approaches.

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)0,025
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,056
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,024
Communication savante0,0140,013
Science ouverte0,0020,014
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,011
Tête enseignante GPT0,311
Écart entre enseignants0,300 · 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'étudeSans objet
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

Citations169
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage and EducationMême sujetSecond Language Learning and TeachingTravaux en français237 207