O’nónna: A Curriculum for Land-Based Language Learning
Notice bibliographique
Résumé
The Atlas of Kanyen’kehá:ka Space project (Kanyen’kehá:ka Nation, 2020; see www.mohawkatlas.org) launched in 2019 for the purposes of preserving Kanyen’kéha (Mohawk language) place names and related landscape terminology. Built using Nunaliit, a community mapping framework developed by Carleton University’s Geomatics and Cartographic Research Centre (GCRC), the Atlas is capable of pinning points onto a map and attaching media such as pronunciations, photos, videos and documents to that point. With funding for the Atlas through the Social Sciences and Humanities Research Council, the Atlas Research Team held workshops in Kanyen’kehá:ka communities to document their space with over 198 places and approximately 188 media files added from within the communities. However, we knew there was also potential to use the Atlas for language revitalization activities. With funding from the National Indian Brotherhood, we created a language learning curriculum integrating the Atlas and drone technology with land-based activities which was used during Land Back Summer Camp, held at the Native North American Travelling College in Akwesasne in July 2022. This paper discusses the components of the curriculum centred around the Atlas as task-based language learning. Because of the wide range of ages and language proficiency, the curriculum is a combination of different methods and strategies that are designed to reinforce each other. These included teaching the campers how to fly drones and integrate the footage into the Atlas of Kanyen’kehá:ka Space working with four L1 Kanyen’kéha speakers to describe the footage. The camp also included land-based activities as well as games and activities in Kanyen’kéha.
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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».