MétaCan
Menu
Retour à la cohorte
Enregistrement W4250131525 · doi:10.2167/la464.0

The Ethnic Group Affiliation and L2 Proficiency Link: Empirical Evidence

2008· article· en· W4250131525 sur OpenAlexaffabout
Elizabeth Gatbonton, Pavel Trofimovich

Notice bibliographique

RevueLanguage Awareness · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésEthnic groupPridePsychologyLanguage proficiencySocioeconomic statusSocial psychologyFeelingSociologyMathematics educationPolitical scienceDemography

Résumé

récupéré en direct d'OpenAlex

With economic globalisation making second language (L2) learning inevitable throughout the world, understanding what factors facilitate success is a socioeconomic necessity. This paper examined the role of social factors, those related to ethnic group affiliation (EGA), in the development of L2 proficiency. Although numerous studies have documented an intimate relationship between language and EGA, few have examined whether and how this relationship shapes L2 learning. The participants were 59 adult French–English bilinguals from Québec who read an English text and completed a questionnaire assessing their EGA, including pride, loyalty and support for their ethnic group and its language. Results revealed a significant, albeit complex, association between EGA and L2 proficiency. Basic feelings of pride and loyalty towards the ethnic group had no associations with L2 proficiency. Strong support for the group's sociopolitical aspirations were associated with low L2 proficiency. In turn, strong ethnic group identification, coupled with a positive orientation towards the L2 group, was associated with high L2 proficiency. These EGA effects were found to be mediated by amount of L2 use, revealing a plausible link sustaining the relationship between EGA and L2 learning success.

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)0,014
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 enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,003
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,275
Tête enseignante GPT0,529
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

Citations6
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLanguage AwarenessMême sujetMultilingual Education and PolicyTravaux en français237 207