MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389742032 · doi:10.1515/9783110712742-037

37 Changing notions of fieldwork

2023· book-chapter· en· W4389742032 sur OpenAlexaboutno aff
Lorna Wanosts’a Williams, Ewa Czaykowska-Higgins

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousLinguisticsLanguage revitalizationDocumentationSociologyLinguistic landscapeSpeech communityRelation (database)Scope (computer science)Perspective (graphical)Computer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Samarin (1967: 1), a classic text about linguistic fieldwork in the 20th century, defines fieldwork as ‘primarily a way of obtaining linguistic data and studying linguistic phenomena’. From the perspective represented in Samarin’s text, fieldwork is conducted by linguists for scholarly and academic purposes, involves cooperation between linguist and language speaker(s) (or ‘informant(s)’), and can be characterized as linguist- centred (Rice 2006; Czaykowska-Higgins 2009) in the sense that it involves research on language controlled by the agenda of the linguist. In this paper, we place the practice of fieldwork involving North American languages within the history of colonization, the terrain of Indigenous communities, and the activist landscape of language revitalization and reclamation. From our different positionalities, as academics, as educator and linguist, as Lil’watul and settler-Canadian individuals, we survey ways in which language fieldwork has changed in North America since 1967, including in relation to collaborative community-based practice, community control, broadening the scope of language work, and re-defining expertise. Community-centred language fieldwork provides for mutuality and benefit in documentation, community goals, and academic interests.

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)0,017
score de la tête « metaresearch » (Gemma)0,010
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,231

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0120,078
Communication savante0,0100,014
Science ouverte0,0030,005
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,174
Tête enseignante GPT0,473
Écart entre enseignants0,299 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMultilingual Education and Policy→Travaux en français237 207→