First language maintenance and attrition among young Chinese adult immigrants: a multi-case study
Notice bibliographique
Résumé
The role of the first language (L1) has been generally acknowledged as having important implications for young immigrants’ linguistic, educational, socio-cultural, intellectual, career, and identity development (e.g., Cummins, 2001; Guardado, 2002; Kim 2006; Kouritzin, 1999). In this case study I investigated the first language maintenance and attrition of three young adults who had immigrated to Canada as children from mainland China and Taiwan. Two questions were addressed: (a) What linguistic elements were maintained and eroded in the participants’ heritage language? and (b) What social and psychological factors contributed to the participants’ L1 maintenance and attrition? The data were collected through self-evaluation questionnaires, translation tasks and open-ended interviews both in English and Mandarin. Using a combination of life stories describing the participants’ personal linguistic and social experiences in Canada and the results of linguistic assessments through different tasks, the study provides a detailed examination of the phenomenon of L1 maintenance and attrition among young adult immigrants from China. The findings of this study indicate that the three participants took distinct routes resulting in differential outcomes in their first language maintenance and attrition. Ethnic and cultural identity, and language attitudes and beliefs were identified as important internal factors. School discourse including teachers’ attitudes towards immigrants’ L1, peer influences and access to planned L1 educational activities both at home and in the school system were important external factors affecting the participants’ L1 maintenance and attrition. The results provide support for the view that a collaborative, inclusive approach to education that involves not only immigrant students, but also their families, educational systems, and society in general facilitates young immigrants’ bilingualism and acculturation.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».