Whakatipu te Pā Harakeke: What are the success factors that normalise the use of Māori language within the whānau?
Notice bibliographique
Résumé
Despite the language revitalisation efforts of kōhanga reo and kura kaupapa Māori, the Māori language is still endangered. The population of highly proficient speakers is dwindling (Statistics New Zealand, 2013). The Māori language is not a language of everyday use across a range of settings (Te Puni Kōkiri, 2008). Language experts have identified intergenerational transmission as the principal means of evaluating the vitality of a language and a key factor in reversing language shift (Fishman, 1991; Spolsky, 2004). This requires re-establishing the Māori language in the home. Although there is evidence of the re-emergence of intergenerational Māori language transmission, this is at the initial stages and is not yet the norm in Māori society. The process of transferring the Māori language from generation to generation depends on decisions by parents to learn and use te reo Māori on an everyday basis in their interactions with their children. Whilst educational institutions can support whānau and communities, they cannot take their place (Fishman, 1991). Community support is vital because a living language requires a pool of active speakers, in particular those who speak the language to younger community members. This thesis examines the efforts of eight whānau who have contributed to the revitalisation of the Māori language by ensuring the language is transmitted intergenerationally to their children. All but one of the parents learnt Māori as a second language in their adult years. Six critical success factors emerged from the findings that can be utilised by language planners and parents wanting to normalise the use of Māori within the whānau. The factors include critical awareness, family language policy, Poureo, support, resources and increasing parental language skills.
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 | 0,002 | 0,005 |
| 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 | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».