The linguistic Odyssey of Russian-speaking immigrants in Canada
Notice bibliographique
Résumé
Aims and objectives/purpose/research questions: Very little is known to date about the long-term dynamics of balancing home and dominant languages by adult immigrants. Russian-speaking immigrants in Canada remain an underrepresented group with no available studies of their language development. To address these gaps, this article describes a linguistic journey experienced by Russian-speaking immigrants in Canada as they adapt to the life in the host country. The major objective of the study is to examine the importance of learning the host country’s majority languages (English and French) vis-à-vis maintenance of the home language as seen by the participants in the beginning and after a few years of immigration. Design/methodology/approach: The article reports the results of a mixed-methods study involving an online survey and written narratives about language dynamics in immigration. Data and analysis: One hundred Russian-speaking immigrants from nine countries residing in seven Canadian provinces participated in the study. The analysis involves quantitative comparisons of responses involving correlation and chi-square tests as well as qualitative descriptions of the participants’ linguistic experiences. Findings/conclusions: The results indicate that over the time since immigration, the importance of the English language learning decreases, and the importance of Russian language maintenance increases for the participants, whereas the salience of acquiring French remains unchanged. Originality: The new finding is the trajectory of the relationship between the participants’ interest in the home language and culture maintenance and host languages and cultures learning over the years of immigration. Significance/implications: These results align with the authors’ linguistic equilibrium hypothesis of language dynamics in immigration. The implications of the study involve long-term support of linguacultural needs of immigrant communities. Limitations: The research conducted during COVID-19 was limited in methods and would benefit from in-person interviews in future. Expanding the project to other immigrant groups for comparison is another direction for future research.
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 | 0,002 | 0,002 |
| 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 | 0,001 | 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 ».