MétaCan
Menu
Retour à la cohorte
Enregistrement W2775243262 · doi:10.1017/s0261444817000325

Research tasks on identity in language learning and teaching

2017· article· en· W2775243262 sur OpenAlexaff
Bonny Norton, Peter I. De Costa

Notice bibliographique

RevueLanguage Teaching · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIdentity (music)Framing (construction)NegotiationLanguage educationLanguage acquisitionSociologyApplied linguisticsComputer sciencePedagogyLinguisticsMathematics educationPsychologySocial scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The growing interest in identity and language education over the past two decades, coupled with increased interest in digital technology and transnationalism, has resulted in a rich body of work that has informed language learning, teaching, and research. To keep abreast of these developments in identity research, the authors propose a series of research tasks arising from this changing landscape. To frame the discussion, they first examine how theories of identity have developed, and present a theoretical toolkit that might help scholars negotiate the fast evolving research area. In the second section, they present three broad and interrelated research questions relevant to identity in language learning and teaching, and describe nine research tasks that arise from the questions outlined. In the final section, they provide readers with a methodology toolkit to help carry out the research tasks discussed in the second section. By framing the nine proposed research tasks in relation to current theoretical and methodological developments, they provide a contemporary guide to research on identity in language learning and teaching. In doing so, the authors hope to contribute to a trajectory of vibrant and productive research in language education and applied linguistics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,051
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,269

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,070
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0210,027
Communication savante0,0180,020
Science ouverte0,0030,017
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,104
Tête enseignante GPT0,593
Écart entre enseignants0,489 · 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 source (Gemma direct ou Codex distillé), 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

Citations195
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage TeachingMême sujetMultilingual Education and PolicyTravaux en français237 207