MétaCan
Menu
Retour à la cohorte
Enregistrement W2569349594

MAPPING LINGUISTIC DIVERSITY IN MULTICULTURAL CONTEXTS: DEMOLINGUISTIC PERSPECTIVES

2010· article· en· W2569349594 sur OpenAlexaboutno aff
G. Extra

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLinguisticsLinguistic landscapeZuluLandscapingFocus (optics)GeographySociologyLanguages of AfricaLanguage geographyCultural geographyHuman geographySocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

(Van der Merwe 1989). The term demolinguistics originated among Quebec demographers, probably during the 1970s. Over the last few decades, the field has become an international crossing for demography and linguistics; the same holds for geolinguistics as the crossing for geography and linguistics. More recent approaches have been explored in terms of linguistic landscaping. Whereas geolinguistic and demolinguistic studies tend to focus on the spatial and temporal distribution and vitality of languages in the private domain of the home, linguistic landscaping has as its focus the public domain in the most literal sense, i.e., in terms of the visibility and distribution of languages on the streets. In this sense, the outcomes of linguistic landscaping research should be read with care: they do not intend to present a faithful mapping of the linguistic make-up of the population in a given place. We will offer cross-national demolinguistic perspectives on languages other than “national” languages. Depending on particular contexts or perspectives, such languages are often referred to as minority languages or dominated languages. Numerical classifications do not necessarily coincide with social classifications. According to the 2001 census outcomes in South Africa, (isi)Zulu is the most widely spoken home language there and English functions commonly as

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,575
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

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

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 Opus0,052
Tête enseignante GPT0,386
Écart entre enseignants0,334 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations12
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetMultilingual Education and PolicyTravaux en français237 207