In the Language of Their Hearts: Emotions and Language Choice in Child-Parent Interaction, Insights from a Yupik village
Notice bibliographique
Résumé
In studies of language choice and minority language shift and maintenance, attention is frequently given to factors other than emotions: social context of contact, language politics, linguistic competence and attitudes, educational policies, and political agendas in a society. Yet human language is ideologically saturated, aesthetically experienced empirical phenomena, characterized by complex dynamics and linked to group and personal identities, morality, aesthetics, and epistemology. While negative moral emotions (e.g., shame) may lead people to abandon their first language, heritage languages may still be perceived as “more emotional,” and their loss and maintenance is a deeply emotional matter. Drawing on Pavlenko, Cavanaugh, and Ahmed, I discuss the role of emotion-related factors—affective repertoires and perceived language emotionality—in language choice of native Chukotkan parents, as a way of understanding human interactivity and the potential of the local environment for children’s acquisition of their heritage languages. Perceived language emotionality, I argue, is an important yet often overlooked aspect of heritage language sustainability and learning. The focus of this article is not on how bodies are transformed into objects of emotions (e.g., “the shamed one”), but on interplay between emotions and multilingual phenomena: how language and wordings are used to move people, to produce affects, attachments, equalities, and authenticities.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».