Language Use in the Multilingual Classroom Settings of West Africa: A Review of Selected Literature
Notice bibliographique
Résumé
Linguistically, most Africans are multilingual entities. Extremely, the seventeen (17) West African states display this feature. Thus, in a typical L2 classroom in Africa, the learner is likely to come into contact with several languages. These languages are mostly the official languages(s), the second or third language(s), the international language, and the indigenous languages spoken by both the learners and the teachers. Sometimes, the official language(s) is/are selected indigenous languages (for example, Igbo, Yoruba, and Hausa, in the case of Nigeria). In some cases, the second language is the international language used for official engagements and international discourse. In Western Africa, Ghana is one such country that uses English as both the official and international language. When learners from diverse sociocultural backgrounds are exposed to several languages in a particular classroom setting, a lot of processes emerge. One of such processes is nativisation or indigenisation or localisation of the formal classroom language. This is the process where language learners use the formal classroom language in a manner that suits their communicative needs. This paper is a review of selected empirical studies on the use of language in the multilingual classrooms of selected African countries. The cases and papers were purposively sampled from five West African states of Cameroon, Ghana, Guinea-Bissau, Niger, and Nigeria. This paper argues that language contact processes such as localisation, pidginization, and creolization are not aberrant forms per se; and since they serve the informal linguistic needs of multilingual second language learners, they should be given a place in language use.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».