MétaCan
Menu
Retour à la cohorte
Enregistrement W2919462009 · doi:10.1111/josl.12336

Patterns of sociolinguistic variation in teacher classroom speech

2019· article· en· W2919462009 sur OpenAlexafffundabout
Raymond Mougeon, Katherine Rehner

Notice bibliographique

RevueJournal of Sociolinguistics · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLinguistic Variation and Morphology
Établissements canadiensUniversity of TorontoYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMarkednessVariation (astronomy)RepertoireSubject (documents)LinguisticsPsychologySociologyPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This study investigates sociolinguistic variation in teacher classroom speech. Based on a spoken‐French corpus produced by 59 teachers while teaching secondary school students (aged approximately 14–17 years) in four Ontario localities, it examines five cases of variant alternations. First, the study uses two comparative corpora to establish the social marking of the variants in the wider community. Second, it examines the teachers’ repertoire and frequency of use of variants in light of their social markedness. The study shows that the teachers use the standard variants at rates above even those found in the speech of the highest social strata within the wider community. Despite this normalizing impact of the classroom, the teachers also useallthe non‐standard variants found in the wider community. Further, the study examines the impact on the teachers’ variant choice exerted by their socio‐professional characteristics and the communicative functions they perform in the classroom. It shows that the teachers’ use of variants is influenced by their gender, the subject taught, and the communicative functions performed in the classroom in ways that are in line with the social markedness of the variants in the wider community.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,322
Écart entre enseignants0,299 · 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'étudeObservationnel
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

Citations10
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of SociolinguisticsMême sujetLinguistic Variation and MorphologyTravaux en français237 207