MAKING L2 ITALIAN CLASSES INCLUSIVE IN NORTH AMERICA: ACTIVITIES AND SUGGESTIONS
Notice bibliographique
Résumé
In the last three years, we have introduced some activities and reflections on neutral language in Italian in our classes in Canada. Starting with the sociolinguistic theories studied and discussed on the subject, we have been incorporating explanations, examples, and realia in our lessons to involve our students in examining the application of strategies used in real life to render Italian a neutral language. This paper will illustrate the theory on which we based our research, provide examples of classroom activities, and then share students’ reactions. We will then indicate how such items could be added to Italian language courses to broaden learners’ cultural awareness. Rendere inclusive le classi di italiano L2 in Nord America: attività e suggerimenti Negli ultimi tre anni abbiamo introdotto nelle nostre classi in Canada alcune attività e riflessioni sul linguaggio neutrale in italiano. Partendo dalle teorie sociolinguistiche che abbiamo studiato e approfondito. Abbiamo iniziato a includere spiegazioni, esempi e realia nelle nostre lezioni per coinvolgere i nostri studenti nello studio delle strategie usate nella vita reale per rendere l’italiano neutrale. Quest’articolo inizia illustrando la teoria sulla quale abbiamo basato la nostra ricerca, con esempi di attività in classe e, in seguito, condivideremo le reazioni delle persone in classe. Inoltre, mostreremo come queste attività possano essere inserite nei corsi di lingua italiana per allargare la prospettiva culturale all’interno delle nostre classi.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,006 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».