MétaCan
Menu
Retour à la cohorte
Enregistrement W4410088914 · doi:10.29057/lc.v6i12.14337

Cultivating Language Learning Through Cultural Sensitivity and Empathy. An e-Tandem Case Study of Mexican and Canadian Students

2025· article· en· W4410088914 sur OpenAlexaboutno aff
Raquel Acosta Fuentes, Andrea A. Valdiri Suesca

Notice bibliographique

RevueRevista Lengua y Cultura · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmpathyPsychologyTandemCultural sensitivitySensitivity (control systems)Culturally sensitiveSocial psychologyEngineeringPsychotherapist

Résumé

récupéré en direct d'OpenAlex

This article examines how cultural sensibility and empathy towards the interlocutor foster language learning and intercultural competence. We analyzed the results of an e-Tandem program conducted between a private high school in Vancouver, Canada, and a public high school in Mexico City. The program consisted of two phases: the first involved a series of online letter exchanges, as well as the exchange of handwritten letters and souvenirs; in the second, participants engaged in virtual meetings through a video conferencing platform. We collected data through surveys that captured challenges, language strategies, and cultural insights; video recordings of student interactions; facilitator observations; and student-created artifacts such as letters, postcards, and gifts. Despite the significant differences in the participants' backgrounds, a key finding of the study was that the process of writing letters, receiving and replying to them provided students with a valuable space for reflection. This allowed them to learn from others but, most importantly, to learn about themselves. We found that cultural sensitivity involves identifying differences, acknowledging similarities, and, above all, valuing one’s own culture. This foundation helps students negotiate intercultural encounters, know how to address topic they find challenging, and develop a genuine interest in others.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,640
Score d'incertitude au seuil0,717

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0190,007
Communication savante0,0050,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
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 Opus0,033
Tête enseignante GPT0,332
Écart entre enseignants0,299 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Lengua y CulturaMême sujetEFL/ESL Teaching and LearningTravaux en français237 207