Teaching Spanish Language in the Knowledge Society: A Canadian Experience
Notice bibliographique
Résumé
Poetic works are part of the Spanish curriculum either as cultural topics in textbooks for teaching the language or in literature classes where the work is discussed and analyzed. This paper presents the experiences of using poems by Hispano-Canadian writers living in Canada in the class SPAN 2123 Culture and Composition: Spanish America at St. Thomas University in Fredericton, New Brunswick. The population is mostly Anglophone and Francophone Canadians with some international students. The goal of the class is to practice Spanish in context, and to facilitate intercultural awareness, while practicing the four language skills - reading, writing, speaking and listening - by promoting discussion of issues relevant to students in the Canadian social context in the language they are learning. This approach nurtures a cosmopolitan identity characterized by tolerance to cultural differences and willingness to learn from others, both important skills for competing in a knowledge society. This paper has three parts: first, the introduction, where general considerations related to the course are given; second, the methodology with the objectives and structure of the course integrated into the theoretical foundations of language teaching along with the students' experiences and our findings; and third, the conclusions. Our findings provide valuable insights into the importance of engaging students in learning by fostering discussions using authentic materials, such as poems, in the language classroom. In addition to learning the language the participants bring their own opinions in the subject after studying the point of views of poets in the position of cultural intermediaries. This is possible because the poets have Spanish American origins and cultural backgrounds, and they are fully integrated into Canadian society. The connection of the language learners and Hispano-Canadian poets facilitates the interaction of the students with the community.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,037 | 0,007 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».