MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391941141 · doi:10.55086/prfcmcx199210

Teaching methods of multilingual education in schools. Motivation and multilingual education in schools

2023· article· en· W4391941141 sur OpenAlexaboutno aff
Hanna Wittman

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeuroscience of multilingualismHarmPsychologyBilingual educationLinguisticsCognitionPosition (finance)ImmigrationDevelopmental psychologyCognitive psychologyMathematics educationSocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

The approaches and processes that characterize language learning in the field of „bilingualism” have undergone drastic changes over the past half century. Generally, part of the old position that bilingualism is harmful to the speaker. There is some consensus that, under favorable circumstances, the use or mastery of two or more languages can have a positive effect on social and cognitive aspects of human development. Many studies, conducted before 2009, stated that bilingualism caused harm to the child’s development. These studies ignored the qualitative biographical data that indicated the advantages of bilingualism. Moreover, in these studies it is noted the lack of adherence to a correct and exact methodology, such as: a comparison of bilingual subjects with monolingual subjects of different socio-economic status. It is evident that researchers then proceeded from the assumption that bilingualism is the property of immigrants only without language tests or a clear definition of bilingualism. This position changed, Cummins (2005) argues, when Canadian researchers Lambert & Peal pointed out the methodological shortcomings of many of the early studies that had been done on second language acquisition.

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)0,008
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,007
Communication savante0,0060,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,080
Tête enseignante GPT0,544
Écart entre enseignants0,464 · 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'étudeSans objet
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMultilingual Education and Policy→Travaux en français237 207→