A Mixed Methods Approach to Identity, Investment, and Language Learning in Study Abroad: The Case of Erasmus Students in Finland, Romania, and Catalonia
Notice bibliographique
Résumé
La recerca al voltant de l'impacte de les estades a l'estranger sobre la identitat i de la relació entre l'estudi a l'estranger, la identitat i l'aprenentatge d'idiomes, majoritàriament duta a terme mitjançant mètodes qualitatius, mostra una varietat de resultats que poden arribar a semblar contradictoris. Mentre que alguns acadèmics manifesten una actitud escèptica sobre el fet que un període d'estudi a l'estranger constitueixi un tipus de mobilitat suficientment llarg i desestabilitzador perquè pugui tenir un impacte en les identitats dels participants (Block, 2014), altres afirmen que estudiar a l'estranger pot desencadenar una ‘alteració’ o una modificació del jo a causa de la necessitat de viure en un idioma estranger (Pellegrino Aveni, 2005). \nAquest projecte d'investigació adopta una metodologia mixta amb un enfocament longitudinal per tal d’abordar el tema de la identitat, la inversió i l'aprenentatge d'idiomes en estades de mobilitat universitària a l'estranger. L’estudi segueix un disseny PRE-POST, amb dades obtingudes en diferents moments durant el curs acadèmic 2015-2016, mitjançant qüestionaris i entrevistes semiestructurades amb estudiants Erasmus en tres contextos europeus: Oulu (Finlàndia) al nord, Bucharest (Romania) a l’est, i Lleida (Catalunya) al sud. L'estudi examina el sentit de pertinença, les identitats imaginades, les actituds cap als idiomes i les diferències culturals, les expectatives i el grau d'inversió en l'aprenentatge personal i professional entre els estudiants europeus d'educació superior. Els resultats de l'estudi revelen que l’experiència Erasmus té un impacte en les identitats dels participants i en la percepció de la seva pròpia ocupabilitat. No obstant això, els resultats de l'estada a l'estranger estan influenciats per les expectatives i el grau d'inversió dels estudiants, així com pels contextos i els paisatges lingüístics de la seva estada.
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 | 0,024 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,005 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».