“It’s hard to speak Filipino, why is that?” a case study among non-Filipino speakers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Environment plays an important role in developing language fluency. The environment includes the geographical location and significant people like parents, siblings, friends, and teachers. Geographically, the dialects fluently spoken at Central Philippine Adventist College are Hiligaynon, Cebuano, and English. As observed, the pupils of Central Philippine Adventist College Elementary School (CPACES) struggle with Filipino language fluency. Many cannot speak the Filipino language fluently which challenges their learning in classes using the Filipino language as a medium of instruction. This study aimed to determine the difficulties in speaking the Filipino language fluently among CPACES pupils. Purposive sampling was used. Five pupils were interviewed using validated guided questions. This study utilized a qualitative case study design. Specifically, the framework of Ranan was employed to analyze the data. The study found that the mother tongue of the CPACES non-Filipino speakers is English, and they had not been exposed to the Filipino language. This non-exposure and the absence of somebody motivating them to speak Filipino have led the participants' to hardly understand Filipino. Further, their parents did not introduce Filipino learning materials and do not speak Filipino. So, to help CPACES non-Filipino speakers to become fluent in Filipino language, parents and significant people surrounding them must intentionally use Filipino at home and school, and find ways to access Filipino reading materials, and converse with them using the Filipino language.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 découle