MétaCan
Menu
Retour à la cohorte
Enregistrement W4392051664 · doi:10.4324/9781003380276-15

The Acquisition of Russian by Multilingual Children in Canada

2024· book-chapter· en· W4392051664 sur OpenAlexaboutno aff
Veronika Makarova, Natalia Terekhova

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLinguisticsPolitical sciencePsychologyGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

This chapter examines a connection between multilingual children’s proficiency in Russian as measured by specific linguistic parameters, such as vocabulary breadth and sentence length, and sociolinguistic parameters, such as children’s language attitudes and language exposure at home and outside. The participants were 30 multilingual five- to seven-year-old children residing in Canada. Nineteen proficiency parameters were extracted from elicited children’s narratives and correlated with 21 sociolinguistic parameters derived from structured interviews with the children. The results indicate that within the given age group, most children favor Russian-English bilingualism, and the strongest variables that correlate positively with several of the measured proficiency parameters are frequency of communication in Russian with siblings, watching Russian movies and playing computer games in Russian, an ability to sing a song in Russian, and frequency of using Russian in interactions with Russian-speaking friends. Additionally, attending community language schools was associated with fewer non-canonical forms and a higher number of nouns in children’s narratives. The chapter discusses these results in relation to the Linguistic Equilibrium Hypothesis and outlines practical suggestions for community schoolteachers and parents of multilingual children. В данной главе рассматриваются связи между параметрами владения русским языком многоязычными детьми и социолингвистическими параметрами (такими как отношение детей к языкам и объем их погружения в русский язык и культуру). Тридцать многоязычных детей в возрасте 5–7 лет, проживающих в Канаде и говорящих на русском как на языке наследия, участвовали в исследовании. Материалами послужили нарративы детей на русском, а также структурированные интервью. Результаты исследования показывают, что данная возрастная группа поддерживает англо-русское двуязычие. Самые сильные ассоциации с языковыми параметрами обнаружены в следующих социальных характеристиках (в убывающем порядке силы ассоциации): как часто дети говорят по-русски с братьями и сестрами; как часто дети смотрят русские фильмы и играют в компьютерные игры на русском; могут ли спеть песню по-русски; и как часто общаются с русскоговорящими друзьями. Посещение диаспорных языковых школ ассоциируется с меньшим количеством ненормативных форм, а также с большим количеством существительных в нарративах. Результаты исследования рассматриваются в их приложении к гипотезе Лингвистического Эквилибриума. Вносятся предложения для учителей диаспорных детских начальных школ, а также для родителей русскоговорящих детей-мультилингвов.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,001
Communication savante0,0020,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,196
Écart entre enseignants0,188 · 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'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSecond Language Learning and TeachingTravaux en français237 207