MétaCan
Menu
Retour à la cohorte
Enregistrement W2765316614 · doi:10.3138/cmlr.4040

Syilx Language House: How and Why We Are Delivering 2,000 Decolonizing Hours in Nsyilxcn

2017· article· en· W2765316614 sur OpenAlexfundvenueno aff
Sʔímlaʔx Michele K. Johnson

Notice bibliographique

RevueCanadian Modern Language Review/ La Revue canadienne des langues vivantes · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesSimon Fraser University
Mots-clésCurriculumImmersion (mathematics)PsychologyPedagogyMathematics educationMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

The Syilx Language House has completed two years of a four-year, 2,000-hour program to create new adult Nsyilxcn speakers, based on Syilx communities’ specific priorities. Our critically endangered status requires radically decolonizing teaching techniques. Nsyilxcn (Okanagan) teachers are learners, trained to deliver sequenced curriculum in full immersion using cutting-edge teaching techniques. Teachers employ strategies that prioritize effective immersion, frequent assessment, and a high level of classroom safety. This article shares our story, applied teaching methods, student testimonials, community feedback, and our 2020 Plan. After completing our second year, students have completed 900 hours of intensive immersion. Students state that our teaching methods are the fastest, most effective language learning they have ever experienced. After four years, students will emerge as mid- to high-intermediate speakers, capable of bringing language into homes, teaching new cohorts of adults, and creating immersion workplaces.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,453
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,025
Tête enseignante GPT0,228
Écart entre enseignants0,203 · 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.

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

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Modern Language Review/ La Revue canadienne des langues vivantesMême sujetSecond Language Learning and TeachingTravaux en français237 207