Mobilizing and Activating Haíɫzaqvḷa (Heiltsuk Language) and Culture Through a Community-University Partnership
Notice bibliographique
Résumé
The sharing of existing linguistic resources through online platforms has become an increasingly important aspect in revitalization projects for Indigenous languages. This contribution addresses the urgency of such work through the lens of a partnership in support of one language, Haíɫzaqvḷa (Heiltsuk), a critically endangered Wakashan language spoken in and around the traditional Heiltsuk territory of Bella Bella, British Columbia. Alongside immediate community needs for language preservation and reclamation—informed and guided by Heiltsuk values and goals—lie important ethical and practical questions about how best to activate historic recordings of Elders and knowledge holders who have now passed. Our partnership was explicitly structured around the objective of helping to mobilize the large body of existing languagedocumentation and revitalization materials created in and by the community to support broader community access through digital technologies. Working within the fast-changing digital environment requires agility in order to respond to time-sensitive goals and the strategic needs of the community. Ensuring that such work is grounded in respectful collaboration requires ongoing care, consultation and consideration. The digital landscape is still a new and exciting space, and the opportunities to use online tools and technologies in service of language revitalization are ever increasing. We believe that the strategies, approaches and modest successes of the Heiltsuk Language and Culture Mobilization Partnership may be informative for other community-based language reclamation projects. We hope that outlining ourexperiences and being transparent about the challenges such partnerships face may help others engaged in this urgent and timely work.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,019 | 0,010 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,023 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».