MétaCan
Menu
Retour à la cohorte
Enregistrement W3016836962 · doi:10.1080/14790718.2020.1753747

Plurilingual and pluricultural competence (PPC) scale: the inseparability of language and culture

2020· article· en· W3016836962 sur OpenAlexafffundabout
Angelica Galante

Notice bibliographique

RevueInternational Journal of Multilingualism · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaInternational Research Foundation for English Language Education
Mots-clésMultilingualismLinguisticsCompetence (human resources)PsychologyPedagogySocial psychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

As multi/plurilingual research advances understandings of plurilingual speakers’ fluid language use, particularly in multilingual settings, new research methods and pedagogical orientations that address this complex phenomenon are needed. The present study considered the development, reliability, and validity of the Plurilingual and Pluricultural Competence (PPC) scale. Informed by sociolinguistics theories in educational linguistics, including plurilingualism and translanguaging, the PPC scale had its content validated by researchers, language teachers and learners. It was then implemented with 379 plurilingual speakers in two multilingual cities in Canada: 129 in Toronto and 250 in Montréal. Exploratory factor analysis examined the factors in the scale and whether PPC referred to language and culture as separate dimensions or, as theoretically suggested, a unidimensional construct. Results reveal PPC as one construct, suggesting that language and culture are interrelated. With 22 items on a 4-point Likert scale, the PPC scale is a new instrument that can be used in future multi/plurilingual research and pedagogy. Its significance lies in that the scale can gather overall trends among plurilinguals’ PPC levels, which can have implications for language education, curriculum and policy. Recommendations for future use are discussed.

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)0,003
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil0,321

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
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 savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,275
Écart entre enseignants0,254 · 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

Citations72
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of MultilingualismMême sujetSecond Language Learning and TeachingTravaux en français237 207