A systems approach to multilingual language attitudes: A case study of Montréal, Québec, Canada
Notice bibliographique
Résumé
Purpose: People are shaped holistically by dynamic and interrelated individual and social-ecological systems. This perspective has been discussed in the context of varied aspects of bilingual experiences, namely language acquisition and development. Here, we applied a Systems Framework of Bilingualism to language attitudes, which may be especially responsive to social-ecological influences. Methodology: One hundred twenty-three French–English bilingual adults ( M age = 21.20, SD = 3.21) completed self-report questionnaires on demographic information and their attitudes toward languages. A subset of these bilinguals ( n = 73) completed a social network survey. Data and analysis: We used language-tagged social network analysis and geospatial demographic analysis to examine the role of individual characteristics (i.e., first language), interpersonal language dynamics (i.e., person-to-person interactions), and ecological language dynamics (i.e., neighborhood language exposure). Findings and Conclusions: At an individual level, we found that bilinguals’ language background (i.e., first language) predicted attitudes of solidarity toward a language (i.e., whether a language is associated with personal identity and belongingness). When considering sociolinguistic layers of influence, we found that bilinguals’ social network and neighborhood-level language exposure jointly predicted their attitudes of solidarity toward a language, as well as their attitudes toward the protection of minority languages. Originality: While most studies have examined language experience in a unidimensional nature, the present study investigated multilingual language attitudes by considering multiple systems within a social-ecological framework. Implications: Taken together, the results suggest that several interrelated interpersonal and ecological systems are associated with language attitudes, which could have important implications for planning future language policies in multilingual societies such as Montréal.
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 | 0,001 | 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 ».