MétaCan
Menu
Retour à la cohorte
Enregistrement W3009242358 · doi:10.1080/13670050.2020.1733928

L2 motivation among hearing learners of Finnish Sign Language

2020· article· en· W3009242358 sur OpenAlexaff
Enikő Marton, Peter D. MacIntyre

Notice bibliographique

RevueInternational Journal of Bilingual Education and Bilingualism · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueHearing Impairment and Communication
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésSign languagePsychologySociolinguistics of sign languagesCompetence (human resources)Language acquisitionDeaf educationLinguisticsManually coded languageMathematics educationSocial psychology

Résumé

récupéré en direct d'OpenAlex

The realisation of the linguistic rights of Deaf individuals is, to a considerable extent, dependent upon whether there are majority language speakers who acquire a sign language as an L2 and use their L2 skills. Still, the motivation of hearing persons in learning sign languages as L2s is a largely unmapped area. This study seeks to capture the motivation underlying the L2 use among hearing learners of Finnish Sign Language (FSL) in terms of current theorising on L2 motivation and to test the applicability of central constructs in L2 motivation research in a specific SLA context. We collected data in 2018 using an anonymous online questionnaire (N = 173). We tested a serial mediational model that linked L2 learning orientations and L2 learning experience, through a set of mediating variables, to L2 use. The model was statistically significant and explained 66% of the variance in L2 use. In addition, integrativeness significantly moderated the effect of L2 competence on L2 use. The findings from the quantitative analysis are enriched with the analysis of the respondents’ comments. We discuss the results from the perspective of how hearing learners of sign languages can extend the communication networks of Deaf sign language users.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
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 Opus0,051
Tête enseignante GPT0,383
Écart entre enseignants0,331 · 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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Bilingual Education and BilingualismMême sujetHearing Impairment and CommunicationTravaux en français237 207