Heritage Passions, Heritage Convictions, and the Rooted L2 Self: Music and Gaelic Language Learning in Cape Breton, Nova Scotia
Notice bibliographique
Résumé
The present research examines the role of music and dance in motivating Gaelic language learning on Cape Breton Island (Canada). The Gaelic language, once thriving in this context, has declined in use but flourishes in both music and dance. This article presents the results of in‐depth interviews (60–90 minutes) with 10 accomplished adult musicians and dancers who described in rich detail connections between traditional music and the Gaelic language. The interview texts were analyzed using Leximancer 4.0, text‐mining software that performs an automatic analysis by deriving, in a grounded fashion, the key concepts in a text. Semantic and relational co‐occurrence information was extracted using artificial intelligence, producing a map of interrelations among concepts. Three interrelated concepts are introduced to describe community‐level motivational processes evident in the interviews: Rooted second language (L2) self, heritage passions, and heritage convictions. The rooted L2 self is defined by connections to place and speakers of the language; heritage passions reflect the development of emotional bonds, core values, and strengths; and heritage convictions capture deep‐seated beliefs, attitudes, and mindsets. Elements of both Gardner's notion of integrative motivation and Dörnyei's L2 self system are evident and are considered within Ushioda's (2009) person‐in‐context relational model, emphasizing the connections among learners and contexts.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».