MétaCan
Menu
Retour à la cohorte
Enregistrement W2901377914 · doi:10.4018/ijmbl.2018100101

Mobile Learning as a Tool for Indigenous Language Revitalization and Sustainability in Canada

2018· article· en· W2901377914 sur OpenAlexafffundabout
Marguerite Koole, Kevin wâsakâyâsiw Lewis

Notice bibliographique

RevueInternational Journal of Mobile and Blended Learning · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesUniversity of SaskatchewanUniversity of LethbridgeAthabasca University
Mots-clésIndigenousIndigenous languageSustainabilitySalientComputer scienceCertificateLanguage acquisitionPedagogyM-learningMobile deviceMultimediaSociologyMathematics educationPsychologyWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this article, the authors explore how mobile learning can complement the Certificate of Indigenous Languages program at the University of Saskatchewan in Western Canada. Through the FRAME model analysis, the authors extract salient cultural, pedagogical, environmental, and technological characteristics that should be considered in the development of mobile learning tools and approaches for Cree language teachers. It is hoped that this article will stimulate a dialogue amongst designers and Indigenous groups regarding language sustainability through mobile learning. The article concludes with key findings: the need to follow protocols, to establish good relationships, and to design for areas of low/no bandwidth. Finally, the examination of current Indigenous language learning methods provides ideas for the development of much needed “apps” appropriate for Cree learners and teachers.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,273
Écart entre enseignants0,269 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations8
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mobile and Blended LearningMême sujetMobile Learning in EducationTravaux en français237 207