MétaCan
Menu
Retour à la cohorte
Enregistrement W4310337231 · doi:10.3138/cmlr-2022-0005

<i>Lingua Nullius</i>: Indigenous Language Learning and Revitalization as Sites for Settler-Colonial Violence

2022· article· en· W4310337231 sur OpenAlexaffvenue
Sarah Shulist, Celeste Pedri-Spade

Notice bibliographique

RevueCanadian Modern Language Review/ La Revue canadienne des langues vivantes · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensMcGill UniversityQueen's University
Organismes subventionnairesnon disponible
Mots-clésIndigenousSovereigntyIndigenous languageColonialismPoliticsSociologyLingua francaIdentity (music)Political scienceLinguisticsLawAestheticsEcology

Résumé

récupéré en direct d'OpenAlex

This article examines the role that Indigenous language learning and use can play in the establishment of false or spurious claims to Indigeneity. These acts of “race shifting” are situated within the political discourse of “Truth and Reconciliation” and serve to enable settlers to situate themselves in positions where, both materially and symbolically, they rely on their claims to “Indigeneity” to take up resources dedicated to Indigenous people. Indigenous language use and language revitalization programs provide tools that can enable these performances of Indigenous identity to become more widely accepted among predominantly settler audiences. We argue that increasing consciousness of the inherently political nature of Indigenous language work – often framed as a move toward language reclamation – must be pushed even further, to consider the possibility that some users are not reclaiming but in fact claiming. These acts of claiming the language function in much the same way as claims to land have within settler colonialism – to dispossess Indigenous people and to disrupt Indigenous sovereignty.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,548
Score d'incertitude au seuil0,909

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0040,012
Communication savante0,0060,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,347
Écart entre enseignants0,327 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Modern Language Review/ La Revue canadienne des langues vivantesMême sujetMultilingual Education and PolicyTravaux en français237 207