MétaCan
Menu
Retour à la cohorte
Enregistrement W2803621972 · doi:10.5539/jel.v7n4p20

Language Policy in Education: Second Official Language in (Technical) Education in Canada and Cameroon

2018· article· en· W2803621972 sur OpenAlexafffundvenueabout
Alain Flaubert Takam, Innocent Fasse Mbouya

Notice bibliographique

RevueJournal of Education and Learning · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesUniversity of Lethbridge
Mots-clésLanguage policyEducation policyOfficial languagePolitical scienceOrder (exchange)Comparative educationLanguage educationPedagogyEconomic growthSociologyHigher educationLawBusinessEconomics

Résumé

récupéré en direct d'OpenAlex

It should be said from the outset that, apart from Esambe’s (1999) MA thesis, no comparative research, to the best of our knowledge, has so far been devoted to the study of language policy in education in both Canada and Cameroon. Yet, these two countries offer a fascinating basis for comparison because English and French (which were instituted at roughly the same time in these two countries) are the two official languages in each country, but the minority status is reversed. This study, which rests on the observation that students from technical training programmes generally underperform or lack interest in their second official language (SOL), aims at comparing the current policies of SOL in education in order to see how both countries’ experiences can be mutually informing. To achieve its purpose, this research focuses on the analysis of the policies of official languages (OLs) in education in both countries, specifically regarding technical training programmes. More clearly, language policy in education and SOL education policy as obtained in both countries will be comparatively examined. The comparison, it is hoped, will reveal the fundamental causes of the overall poor performance or lack of interest observed in Cameroon and Canada respectively.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,366

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0080,004
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,014
Tête enseignante GPT0,413
Écart entre enseignants0,399 · 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

Citations5
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetMultilingual Education and PolicyTravaux en français237 207