An Exploration of the Effects of Mentor-Apprentice Programs on Mentors' and Apprentices' Wellbeing
Notice bibliographique
Résumé
Increasingly, adult Indigenous language learners are being identified as the “missing generation” of learners who hold great potential to contribute to the revival of Indigenous languages by acting as the middle ground between Elders, children, and youth within their communities. Our research project NEȾOLṈEW̱ “one mind, one people” studied adult Indigenous language learning through the popular Mentor-Apprentice Program method. Over a 2-year period, our team conducted interviews and focus groups with participants involved in a Mentor-Apprentice type program in British Columbia, Canada. While our primary interest was to document the successes and challenges of the Mentor-Apprentice Program method for adult Indigenous language learning, we also included interview questions that gave participants an opportunity to share how participating in such a program affected them. During data analysis, we noticed repeating comments from participants about how their involvement with a Mentor-Apprentice Program impacted their own and their community’s wellbeing; 6 exploratory themes were identified. Although studies have reported protective effects of Indigenous language use on health, health-related outcomes of language revitalization efforts remain underexplored. In addition to discussing the exploratory themes that arose from the study, our paper also proposes that these themes can inform future research in investigating the links between language revitalization and wellbeing.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».