MétaCan
Menu
Retour à la cohorte
Enregistrement W3127314208 · doi:10.1515/multi-2020-0032

Linguistic entrepreneurship: Common threads and a critical response

2020· article· en· W3127314208 sur OpenAlexaff
Ryūko Kubota

Notice bibliographique

RevueMultilingua · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCommodificationEntrepreneurshipSociologyNeoliberalism (international relations)LinguisticsSocial sciencePolitical scienceEconomicsLawEconomy

Résumé

récupéré en direct d'OpenAlex

Abstract The impact of neoliberalism on language education has recently attracted scholars' attention. Linguistic entrepreneurship is a conceptual lens through which neoliberal implications for language learning and use can be investigated. This commentary offers comments on common threads of themes running through the four articles in this special issue. While neoliberal ideas provide people with hopes and desires to socioeconomically succeed through management of their linguistic resources, the neoliberal system reproduces inequalities for language learners, teachers, and users as well as for multiple languages. However, the perceived superior status of English that often serves as the foundation for linguistic entrepreneurship is considered to be a social imagination, given the complexity of global geopolitics and the multiple directions of global human mobility. Also, the neoliberal engagement with linguistic entrepreneurship-such as commodified language learning or writing in English for academic publication-often deviates from the genuine aims of learning and research. Such deviation also applies to our own scholarly activities. This recognition encourages us to explore how subversive actions can be made possible for not only language learners/users but also researchers ourselves.

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)0,052
score de la tête « metaresearch » (Gemma)0,122
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,275

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,122
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0350,062
Communication savante0,0300,023
Science ouverte0,0060,020
Intégrité de la recherche0,0300,032
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,054
Tête enseignante GPT0,298
Écart entre enseignants0,244 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMultilinguaMême sujetSecond Language Learning and TeachingTravaux en français237 207