MétaCan
Menu
Retour à la cohorte
Enregistrement W4400094790 · doi:10.4324/9781003401995-10

The Polish language and culture maintenance in Canada “scented with resin”

2024· book-chapter· en· W4400094790 sur OpenAlexaboutno aff
Joanna Lustański, Magda Stroińska

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueLinguistics, Language Diversity, and Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLinguisticsHistoryPhilosophy

Résumé

récupéré en direct d'OpenAlex

Polish immigration to Canada began after partitions and continues in waves until today. Polish Canadians currently comprise 0.6% of the population (over 200,000), ranking as the 13th largest ethnic group. Their number is slowly declining as the last major wave of immigration occurred around 1981 while other ethnic groups increased their representation. Poles assimilated well but consistently strived to preserve their linguistic, cultural, and religious identity. Unlike some other host countries, Canada gives immigrants a certain freedom to remain loyal to their customs and traditions, be it religion or language. Immigrants are encouraged to learn the country’s language and norms, but Canadian multiculturalism values heritage language retention and cultural diversity. Provincial governments support heritage language education in schools, and some universities offer Polish as an elective or part of their program. The knowledge of Polish among second and third-generation immigrants depends on parental attitudes and efforts to preserve the language. Children in multilingual environments effortlessly learn multiple languages, including their parents’ native tongue. However, even those who grew up speaking Polish may struggle with reading and writing in Polish. Heritage language courses at the university level cater to this target population. Given Canada’s multicultural landscape, knowing another language, especially in professional and business settings like healthcare, the legal system, and marketing, is advantageous.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,573
Score d'incertitude au seuil0,666

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,168
Écart entre enseignants0,161 · 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 tête enseignante, 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
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLinguistics, Language Diversity, and IdentityTravaux en français237 207